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！

申请/专利权人：山东海量信息技术研究院

摘要：本发明公开了一种异构算力设备选择方法、装置、设备、介质、产品及系统，应用于人工智能技术领域。其中，方法包括获取算力需求方以自然语言形式描述的算力需求数据，并将算力需求数据转换为满足异构计算系统的算力需求数据格式的算力需求标准数据；调用预先构建的算力匹配模型，基于算力需求标准数据及异构计算系统的异构算力资源状态数据，确定与算力需求数据相匹配的算力匹配数据。将算力匹配数据转换为以自然语言形式描述的算力资源选择结果进行输出。本发明可以解决相关技术对算力需求方高要求和算力供应方高人力成本的问题，在供需双方无需技术语言级别沟通的基础上，能够实现低成本地算力资源匹配。

主权项：1.一种异构算力设备选择方法，其特征在于，包括：获取异构计算系统的异构算力资源状态数据；获取算力需求方以自然语言形式描述的算力需求数据，并将所述算力需求数据转换为满足所述异构计算系统的算力需求数据格式的算力需求标准数据；调用预先构建的算力匹配模型，基于所述算力需求标准数据及所述异构算力资源状态数据，确定与所述算力需求数据相匹配的算力匹配数据；其中，所述算力匹配模型构建了算力需求与算力资源间的匹配关系；将所述算力匹配数据转换为以自然语言形式描述的算力资源选择结果进行输出；其中，所述算力需求数据不使用技术用语表述，包括算力需求方明确所要使用的算力资源的表述，或向算力供应方描述其所要执行的任务让算力供应方进行算力推荐的表述；所述算力需求标准数据是使用专业术语或者技术用语来描述算力需求方的算力需求信息；其中，所述调用预先构建的算力匹配模型之前，还包括：预先构建算力匹配模型的模型网络结构；所述模型网络结构包括需求方网络模型链路、供应方网络模型链路和特征拼接输出层；所述需求方网络模型链路用于提取需求方属性样本数据的需求特征数据，所述供应方网络模型链路用于提取供应方属性样本数据的供应特征数据，所述特征拼接输出层用于输出所述需求特征数据和所述供应特征数据的拼接特征；基于所述特征拼接输出层输出的拼接特征确定匹配能力损失信息，基于所述需求特征数据和所述供应特征数据确定匹配程度损失信息；基于所述匹配能力损失信息和所述匹配程度损失信息，不断对所述算力匹配模型的模型参数进行迭代更新，直至满足预设模型训练停止条件；其中，所述需求方网络模型链路，按照所述需求方属性样本数据的数据流处理方向依次包括第一输入层、第一全连接层、第二全连接层和第三全连接层，所述第一输入层用于输入需求方属性样本数据，所述第一全连接层、所述第二全连接层和所述第三全连接层的各神经元的激活函数为线性整流函数；所述供应方网络模型链路，按照所述供应方属性样本数据的数据流处理方向依次包括第二输入层、第四全连接层、第五全连接层和第六全连接层，所述第二输入层用于输入供应方属性样本数据，所述第四全连接层、所述第五全连接层和所述第六全连接层的各神经元的激活函数为线性整流函数；所述特征拼接输出层包括拼接层和第七全连接层，所述第七全连接层与所述拼接层的输出相连，所述拼接层用于将所述需求特征数据和所述供应特征数据进行拼接处理；各全连接层的每个神经元与其前一层的所有神经元进行全连接，以通过全连接层整合卷积层或者池化层中具有类别区分性的局部信息；其中，所述基于所述特征拼接输出层输出的拼接特征确定匹配能力损失信息，包括：调用匹配能力损失函数关系式，计算匹配能力损失信息；所述匹配能力损失函数关系式为：L1=softmax{h3h1x，h2y，g_1}；式中，L1表示匹配能力损失信息，softmax表示归一化指数函数，x表示需求方属性样本数据，y表示供应方属性样本数据，g_1表示匹配能力标签数据，h1x表示需求特征数据，h2y表示供应特征数据，h3表示特征拼接输出层的输出；其中，所述基于所述需求特征数据和所述供应特征数据确定匹配程度损失信息，包括：调用匹配程度损失函数关系式，计算匹配程度损失信息；所述匹配程度损失函数关系式为：L2=[g_2-1-sigmoid||h1x-h2y||2]2；式中，L2表示匹配程度损失信息，sigmoid表示s型曲线函数，x表示需求方属性样本数据，y表示供应方属性样本数据，g_2表示匹配程度标签数据，h1x表示需求特征数据，h2y表示供应特征数据。

全文数据：

权利要求：

百度查询： 山东海量信息技术研究院 异构算力设备选择方法、装置、设备、介质、产品及系统