[發明專利]對深度學習應用所用資源進行評估

有效

• 申請號: 201810360502.3
• 申請日: 2018-04-20
• 公開（公告）號: CN110390387B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 李三平;王鯤
• 申請（專利權）人: 伊姆西IP控股有限責任公司
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/0464;G06N3/08
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 王茂華;趙林琳

根據本公開的實現，提出了一種對深度學習應用所用資源進行評估的方法、裝置和計算機程序產品。根據一個實施方式，獲得性能基準數據庫，其中性能基準數據庫至少包括一種或多種深度神經網絡模型的結構數據、基于一個或多個深度神經網絡模型的多個深度學習應用的時間性能數據和計算資源消耗數據；基于性能基準數據庫，提取訓練數據集，其中訓練數據集具有多個參數維度，多個參數維度包括：多個深度學習應用的深度神經網絡模型的結構、多個深度學習應用的資源配置、多個深度學習應用的訓練時間；以及建立訓練數據集的參數維度之間的對應關系，從而構建用于對于深度學習應用所用資源進行評估的評估模型。通過該方案，能夠有效地對用戶定義的深度學習應用所用資源進行評估，基于此有利于向用戶給出優化的資源利用方案。

技術領域

本公開的實施例涉及深度學習，并且更具體地，涉及用于控制存儲系統中的寫請求的方法、裝置以及計算機程序產品。

背景技術

深度學習應用在諸如圖像分類、機器翻譯、語音識別等諸多領域具有廣泛的應用。例如，在大數據和強大的計算資源的基礎上，能夠訓練具有多個層級、多個參數的深度神經網絡(Deep?Neural?Networks，DNN)，也被稱為深度學習網絡。對基于深度神經網絡的深度學習應用進行訓練通常是一項非常艱難的任務，需要耗費大量計算資源和時間資源來處理大規模訓練數據集以及迭代深度神經網絡的各種參數。通常用戶在開發深度學習應用時無法準確評估所定義深度學習應用對于計算和時間資源的消耗，因此對于處理器資源的調度具有隨意性或者嘗試以最大化的方式來使用計算資源，都會導致系統能力、能耗、時間上的浪費。

發明內容

本公開的實施例提供了一種用于對深度學習應用所用資源進行評估的方案。

在本公開的第一方面中，提出了一種用于建立評估深度學習應用的評估模型的方法。該方法包括，獲得性能基準數據庫，其中性能基準數據庫至少包括一種或多種深度神經網絡模型的結構數據、基于一個或多個深度神經網絡模型的多個深度學習應用的時間性能數據和計算資源消耗數據；基于性能基準數據庫，提取訓練數據集，其中訓練數據集具有多個參數維度，多個參數維度包括：多個深度學習應用的深度神經網絡模型的結構、多個深度學習應用的資源配置、多個深度學習應用的訓練時間；以及建立訓練數據集的參數維度之間的對應關系，從而構建用于對于深度學習應用所用資源進行評估的評估模型。通過該方案，能夠有效地對用戶定義的深度學習應用所用資源進行評估，基于此有利于向用戶給出優化的資源利用方案。

在本公開的第二方面中，提供了一種用于建立評估深度學習應用的評估模型的設備。該設備包括：處理單元；以及存儲器，耦合至該處理單元并且包含存儲于其上的指令，該指令在由該處理單元執行時使該設備執行以下動作：獲得性能基準數據庫，其中性能基準數據庫至少包括一個或多個深度神經網絡模型的結構數據、基于一個或多個深度神經網絡模型的多個深度學習應用的時間性能數據和計算資源消耗數據；基于性能基準數據庫，提取訓練數據集，其中訓練數據集具有多個參數維度，多個參數維度包括：多個應用的深度神經網絡模型的結構、多個深度學習應用的資源配置、多個深度學習應用的訓練時間；以及建立訓練數據集的參數維度之間的對應關系，從而構建用于對于深度學習應用所用資源進行評估的評估模型。

在本公開的第三方面中，提供了一種用于評估深度學習應用的方法。該方法包括：獲得用戶定義的基于深度神經網絡模型的深度學習應用的深度神經網絡模型的結構；至少根據深度神經網絡模型的結構，基于用于對于深度學習應用所用資源進行評估的評估模型，來對深度學習應用進行評估，其中評估模型表明多個參數維度之間的對應關系，多個參數維度包括：深度學習應用的深度神經網絡模型的結構、深度學習應用的資源配置、深度學習應用的訓練時間。