[發明專利]分配運算資源的方法和使用所述方法的電子裝置

在審

• 申請號: 202111345595.0
• 申請日: 2021-11-15
• 公開（公告）號: CN115145720A
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 楊家雄;黃信維
• 申請（專利權）人: 和碩聯合科技股份有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06K9/62;G06N20/00;H04L67/10
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 宋興;黃健

本發明提供一種分配運算資源的方法和電子裝置。方法包含：接入數據收集服務器、本地機器學習服務器集合以及第一遠程機器學習服務器集合，其中數據收集服務器存儲訓練數據集合；取得本地機器學習服務器集合的本地流量信息，并且取得第一遠程機器學習服務器集合的第一流量信息；以及根據本地流量信息以及第一流量信息產生判斷結果，并且根據判斷結果而指示數據收集服務器將訓練數據集合傳送至本地機器學習服務器集合及第一遠程機器學習服務器集合中的一個。

技術領域

本發明涉及一種分配運算資源的方法和使用所述方法的電子裝置。

背景技術

隨著人工智能技術逐漸普及，許多工廠開始采用機器學習技術來執行諸如產品的外觀檢測等任務。傳統上，各個工廠可配置專屬的本地服務器。當傳感裝置自產線取得傳感數據(例如：圖像)時，傳感裝置可將傳感數據傳送給服務器以訓練用于辨識傳感數據的機器學習模型。然而，當存在多個工廠時，由于各個工廠的服務器的運算資源和使用率并不一致，故許多運算資源將被浪費掉。舉例來說，當工廠A的服務器滿載時，工廠B的服務器可能處于閑置狀態。

另外，一些企業采用云端服務器來分別為多個工廠訓練多個機器學習模型。然而，工廠的服務器與云端服務器之間可等會因為網絡帶寬不足而導致訓練的效率降低。

發明內容

本發明提供一種分配運算資源的方法和使用所述方法的電子裝置，可為數據收集服務器取得的訓練數據分配適合的運算資源以訓練機器學習模型。

本發明的一種分配運算資源的電子裝置，適于通信連接至數據收集服務器、本地機器學習服務器集合及第一遠程機器學習服務器集合，其中數據收集服務器存儲訓練數據集合，并且通信連接至本地機器學習服務器集合及第一遠程機器學習服務器集合，電子裝置包含存儲媒介以及處理器。存儲媒介存儲多個模塊。處理器耦接存儲媒介，并且接入和執行多個模塊，其中多個模塊包含數據收集模塊以及運算模塊。數據收集模塊取得本地機器學習服務器集合的本地流量信息及第一遠程機器學習服務器集合的第一流量信息。運算模塊根據本地流量信息以及第一流量信息產生判斷結果，并且根據判斷結果指示數據收集服務器將訓練數據集合傳送至本地機器學習服務器集合及第一遠程機器學習服務器集合中的一個。

在本發明的一實施例中，上述的本地流量信息包含對應于本地機器學習服務器集合的本地服務器數量以及本地排程任務數量，第一流量信息包含對應于第一遠程機器學習服務器集合的第一服務器數量以及第一排程任務數量，運算模塊根據本地服務器數量以及本地排程任務數量計算本地預估等待時間，根據第一服務器數量以及第一排程任務數量計算第一預估等待時間，并且根據本地預估等待時間以及第一預估等待時間產生判斷結果。

在本發明的一實施例中，上述的本地流量信息包含本地服務器規格，第一流量信息包含第一服務器規格，運算模塊根據訓練數據集合的任務種類以及本地服務器規格計算本地預估訓練時間，根據任務種類以及第一服務器規格計算第一預估訓練時間，并且根據本地預估訓練時間以及第一預估訓練時間產生判斷結果。

在本發明的一實施例中，上述的數據收集服務器以及本地機器學習服務器集合設置于本地區域，第一遠程機器學習服務器集合設置于不同于本地區域的第一區域，本地流量信息包含本地區域與第一區域之間的傳輸資源，運算模塊根據訓練數據集合的尺寸以及傳輸資源計算傳輸時間，并且根據傳輸時間產生判斷結果。

在本發明的一實施例中，上述的運算模塊響應于傳輸時間大于時間閾值而指示數據收集服務器將訓練數據集合傳送至本地機器學習服務器集合。

在本發明的一實施例中，上述的傳輸資源包含數據流通量，其中運算模塊響應于數據流通量大于數據流通量閾值而指示數據收集服務器將訓練數據集合傳送至本地機器學習服務器集合。

在本發明的一實施例中，上述的傳輸資源包含可用帶寬，其中運算模塊響應于可用帶寬小于或等于可用帶寬閾值而指示數據收集服務器將訓練數據集合傳送至本地機器學習服務器集合。