[發明專利]一種異構GPU集群深度學習混合負載調度優化方法

有效

• 申請號: 202111159606.6
• 申請日: 2021-09-30
• 公開（公告）號: CN113867961B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 張瀟;田琨
• 申請（專利權）人: 中國礦業大學（北京）
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/063;G06N3/04;G06N3/08
• 代理公司: 銀川長征知識產權代理事務所 64102
• 代理人: 馬長增

1.一種異構GPU集群深度學習混合負載調度優化方法，其特征在于，包括：

為異構GPU集群的多個下層計算節點靜態添加節點類型標簽；

為分布式集群上層應用進行分類應用；

分布式集群上層所服務的多個所述應用，通過調度模塊將多個不同類型的下層計算節點平均分配至多個所述應用運行；

計算所述多個不同類型的下層計算節點運行在多個所述應用上的所需時間；

利用計算的多組所需時間，發現的異構GPU應用性能差異；

并由第二價格交易法交易所述異構GPU應用性能差異。

2.如權利要求1所述的異構GPU集群深度學習混合負載調度優化方法，其特征在于，所述異構GPU集群由三個下層計算節點組成。

3.如權利要求2所述的異構GPU集群深度學習混合負載調度優化方法，其特征在于，所述三個下層計算節點分別包括：多個K80 GPU、多個P40 GPU以及多個V100 GPU。

4.如權利要求3所述的異構GPU集群深度學習混合負載調度優化方法，其特征在于，為分布式集群上層應用進行分類應用包括：應用VAE的任務、應用DCGAN的任務及應用ResNet-50的任務。

5.如權利要求4所述的異構GPU集群深度學習混合負載調度優化方法，其特征在于，所述三個下層計算節點在所述DCGAN的性能加速高于在所述VAE和所述ResNet-50的性能加速。

6.如權利要求5所述的異構GPU集群深度學習混合負載調度優化方法，其特征在于，所述第二價格交易法包括：選取所述VAE和所述DCGAN性能加速后的下層計算節點進行交換，且交換價格由所述ResNet-50決定。