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！

龙图腾网获悉中国科学院计算技术研究所申请的专利一种用于深度学习任务的GPU资源分配方法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：CN114896070B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202210617292.8，技术领域涉及：G06F9/50；该发明授权一种用于深度学习任务的GPU资源分配方法是由孙一鸣;曹华伟;张园;叶笑春;范东睿设计研发完成，并于2022-06-01向国家知识产权局提交的专利申请。

本一种用于深度学习任务的GPU资源分配方法在说明书摘要公布了：本发明提供了一种用于深度学习任务的GPU资源分配方法，包括：获取深度学习任务对应的网络结构特征、执行特征及可用资源集；基于利用率预测模型根据网络结构特征、执行特征对深度学习任务的资源利用率进行预测，得到资源利用率集；基于资源利用率集从可用资源集中确定满足深度学习任务的资源需求的所有工作节点并且根据预定的选择规则从所有工作节点中选择一个工作节点为深度学习任务分配资源，并将深度学习任务及其资源需求发送给所选择的工作节点。本发明的技术方案通过对深度学习任务的资源需求量进行预测，根据预测的资源需求量来对容器云集群中的GPU资源进行合理分配，从而实现容器云集群中的GPU资源共享以及提升容器云集群中的GPU利用率。

本发明授权一种用于深度学习任务的GPU资源分配方法在权利要求书中公布了：1.一种用于深度学习任务的GPU资源分配方法，应用于多租户容器云平台的资源调度系统，所述资源调度系统包括一个控制节点、多个工作节点，其特征在于，所述方法包括在控制节点执行如下步骤： 获取深度学习任务对应的网络结构特征、深度学习任务对应的执行特征以及可用资源集，所述可用资源集包括多个工作节点中指定算力GPU的剩余资源，深度学习任务对应的网络结构特征包括各种计算图节点以及各种计算图节点对应的输入数据大小，执行特征包括批次大小、迭代次数、输入大小或者其组合； 基于利用率预测模型根据所述网络结构特征和所述执行特征对所述深度学习任务的资源利用率进行预测，得到资源利用率集，所述资源利用率集包括所述深度学习任务在多种指定算力GPU上的资源利用率，其中，所述利用率预测模型按照以下方式训练得到：获取第一训练样本集，其包括多个训练样本，每个训练样本包括指定算力GPU对应的硬件特征、深度学习任务对应的网络结构特征、深度学习任务对应的执行特征以及标签，所述标签包括对训练样本中深度学习任务在该指定算力GPU上的资源利用率的指示；利用所述第一训练样本集训练所述利用率预测模型输出资源利用率集，根据输出的资源利用率集和对应标签计算的损失值更新所述利用率预测模型的参数； 基于所述资源利用率集从所述可用资源集中确定满足所述深度学习任务的资源需求的所有工作节点并且根据预定的选择规则从满足所述深度学习任务的资源需求的所有工作节点中选择一个工作节点为所述深度学习任务分配资源； 将所述深度学习任务及其资源需求发送给所选择的工作节点，所述资源需求指示所述深度学习任务在多种指定算力GPU上的资源利用率。

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中国科学院计算技术研究所，其通讯地址为：100190 北京市海淀区中关村科学院南路6号；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”。

以上内容由龙图腾AI智能生成。