Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京麟卓信息科技有限公司李贺获国家专利权

北京麟卓信息科技有限公司李贺获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京麟卓信息科技有限公司申请的专利一种基于深度学习的异构资源智能分配调度方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119883648B

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510355450.0,技术领域涉及:G06F9/50;该发明授权一种基于深度学习的异构资源智能分配调度方法及系统是由李贺;张毅;杨艳;张魁罡设计研发完成,并于2025-03-25向国家知识产权局提交的专利申请。

一种基于深度学习的异构资源智能分配调度方法及系统在说明书摘要公布了:本发明公开了一种基于深度学习的异构资源智能分配调度方法及系统,通过分析历史计算任务资源的最优分配方案建立特征数据集,基于DeepFM和LSTM构建智能分配调度模型并采用特征数据集完成训练,实际使用时获取待处理计算任务的任务关键特征,并将待处理计算任务划分为计算任务队列,获取各计算平台所需执行计算任务队列的资源占用量总和,根据资源占用量总和与平台剩余资源量的关系确定计算任务队列的调度执行方式,充分利用了CPU、GPU、NPU等异构计算资源,从而实现了批量计算任务的快速完成,大幅提升整体计算效率和资源利用率。

本发明授权一种基于深度学习的异构资源智能分配调度方法及系统在权利要求书中公布了:1.一种基于深度学习的异构资源智能分配调度方法,其特征在于,具体包括以下步骤: 步骤1、获取历史计算任务队列,采集任务关键特征、重要度值和计算任务序号,计算任务队列的执行总时长及平台剩余资源量构建特征数据集;所述任务关键特征包括执行计算的优先级、任务执行时间、执行计算平台及计算资源占用量; 步骤2、基于DeepFM和LSTM构建智能分配调度模型,智能分配调度模型的输入为计算任务队列的任务关键特征、执行总时长及平台剩余资源量,输出为计算任务序列;采用步骤1构建的特征数据集完成智能分配调度模型的训练; 步骤3、实际使用时,获取待处理计算任务的任务关键特征,按照执行计算平台将待处理计算任务划分为多个计算任务队列,计算各计算平台所需执行计算任务队列的资源占用量总和;若资源占用量总和不大于平台剩余资源量则调度执行计算任务队列,否则将任务关键特征、执行总时长及平台剩余资源量输入步骤2得到的智能分配调度模型得到计算任务序列,再根据计算任务序列完成将计算平台上计算任务队列的执行; 所述智能分配调度模型由DeepFM层、LSTM层和输出层级联形成,其中,DeepFM层的输入为计算任务队列中计算任务的任务关键特征、输出为各计算任务的重要度值;LSTM层的输入为计算任务队列中计算任务的重要度值及关键特征、计算任务队列的执行总时长及平台剩余资源量,输出为计算任务的时序特征;输出层的输入为计算任务的时序特征,输出为计算任务序列。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京麟卓信息科技有限公司,其通讯地址为:100085 北京市海淀区西三旗昌临801号27号3层310、312;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。