TWI777695B - 自動化任務排程方法、電子設備及儲存介質 - Google Patents
自動化任務排程方法、電子設備及儲存介質 Download PDFInfo
- Publication number
- TWI777695B TWI777695B TW110127780A TW110127780A TWI777695B TW I777695 B TWI777695 B TW I777695B TW 110127780 A TW110127780 A TW 110127780A TW 110127780 A TW110127780 A TW 110127780A TW I777695 B TWI777695 B TW I777695B
- Authority
- TW
- Taiwan
- Prior art keywords
- task
- job
- tasks
- information
- extracted
- Prior art date
Links
Images
Landscapes
- General Factory Administration (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Stored Programmes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申請提供一種自動化任務排程方法、電子設備及存儲介質,所述方法包括:獲取資訊處理任務及資訊來源;根據所述資訊處理任務生成作業佇列;從所述作業佇列中依次提取作業任務;根據提取到的作業任務分配計算資源;透過預先訓練完成的模型基於所述資訊來源,得到資訊處理任務結果。透過本申請可以提高任務排程的效率。
Description
本申請涉及資訊分析領域,尤其涉及一種自動化任務排程方法、電子設備及存儲介質。
目前的邊緣運算架構,多數依賴於雲端進行無隱私的資訊運算,邊緣運算裝置僅能進行資訊收集或簡單的資訊前處理。對於有資訊隱私考慮的企業或單位,資訊雲並不可行。此外,若自行搭建整套私有雲,建構維護成本又太高。因此,產生了搭載圖形處理器(Graphic Processing Unit,GPU)等具有較高運算資源的邊緣計算裝置,但是目前缺乏一個充分且能有效利用資源的架構。現有的平臺需具備足夠的資訊科學領域知識的人員才能操作,因此局限了其他領域的人員對資訊進行自動分析。
鑒於以上內容,有必要提供一種自動化任務排程方法、電子設備及存儲介質,能提高任務排程的效率。
本申請提供一種自動化任務排程方法,所述方法包括:獲取資訊處理任務及資訊來源;根據所述資訊處理任務生成作業佇列;從所述作業佇列中依次提取作業任務;根據提取到的作業任務分配計算資源;基於所述資訊來源,透過預先訓練完成的模型得到資訊處理任務結果。
在一種可能的實現方式中,所述獲取資訊來源包括以下一種或多種
的組合:接收透過伺服器介面發送的資訊來源;接收透過用戶端介面發送的資訊來源;接收透過檔案儲存協定發送的資訊來源。
在一種可能的實現方式中,所述根據所述資訊處理任務生成作業佇列包括:拆分所述資訊處理任務為所述作業任務;為所述作業任務建立邏輯依賴關係;設置每個所述作業任務的執行頻率;根據所述作業任務、所述邏輯依賴關係和所述執行頻率生成所述作業佇列。
在一種可能的實現方式中,所述從所述作業佇列中依次提取所述作業任務包括:根據所述邏輯依賴關係確定作業順序;根據所述作業順序從所述作業佇列中依次提取所述作業任務。
在一種可能的實現方式中,所述根據提取到的作業任務分配計算資源包括:獲取每個所述作業任務的資源用量;基於所述資源用量,獲取資源許可時間點;在所述資源許可時間點將所述計算資源配置給所述提取到的作業任務。
在一種可能的實現方式中,所述在所述資源許可時間點將所述計算資源配置給所述提取到的作業任務包括:在所述資源許可時間點將靜態資源配置給所述提取到的作業任務;或在所述資源許可時間點將動態資源配置給所述提取到的作業任務。
在一種可能的實現方式中,所述方法還包括:確定所述作業任務所需的模型;透過邊緣端從雲端的模型儲存庫獲取最新的模型清單,並且下載每個所述作業任務所需的模型到邊緣計算設備上。
在一種可能的實現方式中,所述基於所述資訊來源,透過預先訓練完成的模型得到資訊處理任務結果包括:基於提取到的第一個作業任務,將所述資訊來源輸入至預先訓練完成的第一模型,得到第一作業任務結果;基於提
取到的第二個作業任務,將所述第一作業任務結果輸入至預先訓練完成的第二模型,得到第二作業任務結果;繼續執行下一作業任務,將上一個作業任務結果輸入至預先訓練完成的下一作業任務對應的模型,得到所述下一個作業任務的作業任務結果,直至最後一個作業任務執行完畢;將所述最後一個作業任務的作業任務結果作為所述資訊處理任務結果。
本申請還提供一種電子設備,所述電子設備包括處理器和記憶體,所述處理器用於執行所述記憶體中存儲的電腦程式時實現所述的自動化任務排程方法。
本申請還提供一種電腦可讀存儲介質,所述電腦可讀存儲介質上存儲有電腦程式,所述電腦程式被處理器執行時實現所述的自動化任務排程方法。
本申請公開的自動化任務排程方法及相關設備,透過利用有限的計算資源進行任務排程提升了資源使用率,並結合自動化的資訊收集,使用者只需提供資訊來源,即可進行持續的資訊分析。
S21~S25:步驟
1:電子設備
11:記憶體
12:處理器
13:通訊匯流排
圖1是本申請實施例提供的一種自動化任務排程方法的電子設備的結構示意圖。
圖2是本申請實施例提供的一種自動化任務排程方法的流程圖。
為了使本申請的目的、技術方案和優點更加清楚,下面結合附圖和具體實施例對本申請進行詳細描述。
請參閱圖1,圖1為本申請一實施例的電子設備的示意圖。參閱圖1所示,所述電子設備1包括,但不僅限於,記憶體11和至少一個處理器12上
述元件之間可以透過通訊匯流排13連接,也可以直接連接。
所述電子設備1可以是電腦、手機、平板電腦、個人數位助理(Personal Digital Assistant,PDA)等安裝有應用程式的設備。本領域技術人員可以理解,所述示意圖1僅僅是電子設備1的示例,並不構成對電子設備1的限定,可以包括比圖示更多或更少的部件,或者組合某些部件,或者不同的部件,例如所述電子設備1還可以包括輸入輸出設備、網路接入設備、匯流排等。
如圖2所示,是本申請自動化任務排程方法的較佳實施例的流程圖。所述自動化任務排程方法應用在所述電子設備1中。根據不同的需求,該流程圖中步驟的順序可以改變,某些步驟可以省略。在本實施方式中,所述自動化任務排程方法包括:
S21、獲取資訊處理任務及資訊來源。
一個具備任務排程及資訊收集能力的自動化資訊分析引擎架構,可自動安排任務進行以降低資源閒置時間,並針對資訊進行自動化的收集,令使用者透過熟悉的資訊儲存方式,即可進行資訊分析。為了實現自動化任務排程,需要收集資訊處理任務和資訊來源。
在本申請的一個實施例中,可以透過用戶端收集使用者發佈的資訊處理任務,也可以直接透過所述電子設備收集資訊處理任務。並將收集到的資訊處理任務存儲在所述電子設備中。所述資訊處理任務包括以下一種或多種的組合:與外界進行交互,讀取各種檔(txt,csv,doc)和資訊庫中的資訊準備;對資訊進行加工處理,清洗、變形等以便以後進行資訊分析轉換;做一些數學和統計的計算,產生一個新的資訊集;建模和計算,將資訊應用到統計模型、機器學習或其他計算工具中展示;生成圖表、圖片、文字摘要等。例如,所述資訊處理任務為檢測靶心圖表像中的人臉。
在本申請的一個實施例中,所述資訊來源為進行資訊處理時需要用到的基礎資訊。例如,當所述資訊處理任務為檢測靶心圖表像中的人臉時,所述資訊來源為所述靶心圖表像。
在本申請的一個實施例中,所述獲取資訊來源包括以下一種或多種的組合:接收使用者透過伺服器介面發送的資訊來源;接收使用者透過用戶端介面發送的資訊來源;接收使用者透過檔案儲存協定發送的資訊來源。
S22、根據所述資訊處理任務生成作業佇列。
為了高效有序的對資訊來源執行資訊處理任務,需要將所述資訊處理任務拆分成多個作業任務,再根據所述作業任務生成所述作業佇列。
在本申請的一個實施例中,所述根據所述資訊處理任務生成作業佇列包括:
(1)拆分所述資訊處理任務為所述作業任務。具體實施時,按照所述資訊處理任務的執行步驟將所述資訊處理任務拆分為多個作業任務。例如,當所述資訊處理任務為檢測靶心圖表像中的人臉時,將所述資訊處理任務拆分為:對靶心圖表像進行預處理,包括歸一化處理,伽馬校正;將處理完成的靶心圖表像輸入至預先訓練完成的檢測模型;獲得人臉檢測結果。
(2)為所述作業任務建立邏輯依賴關係。由於所述作業任務之間具有先後順序關係,因此需要建立邏輯依賴關係。例如,當所述資訊處理任務為檢測靶心圖表像中的人臉時,所述作業任務為:作業一:對靶心圖表像進行預處理,包括歸一化處理,伽馬校正;作業二:將處理完成的靶心圖表像輸入至預先訓練完成的檢測模型;作業三:獲得人臉檢測結果。作業二要在作業一完成後進行,作業三要在作業二完成後進行,因此,所述作業任務按照邏輯依賴關係排列為:作業一,作業二,作業三。
(3)設置每個所述作業任務的執行頻率。例如,每個週期執行兩次。
(4)根據所述作業任務、所述邏輯依賴關係和所述執行頻率生成所述作業佇列。例如,
當所述資訊處理任務為檢測靶心圖表像中的人臉時,生成作業佇列為:作業一(對靶心圖表像進行預處理):執行頻率2次;作業二(將處理完成的靶心圖表像輸入至預先訓練完成的檢測模型),執行頻率1次;作業三(獲得人臉檢測結果),執行頻率1次。
S23、從所述作業佇列中依次提取作業任務。
在本申請的一個實施例中,所述從所述作業佇列中依次提取所述作業任務包括:根據所述邏輯依賴關係確定作業順序;根據所述作業順序從所述作業佇列中依次提取所述作業任務。
具體實施時,將所述步驟S22中的邏輯依賴關係確定為所述作業順序。
作為一種可選的實施方式,所述方法還包括:設置所述資訊處理任務的執行時間段。例如,設置所述執行時間段為12:00-13:00,表示所述電子設備在時間段12:00-13:00內執行所述資訊處理任務。
透過設置所述執行時間段,合理分配資訊處理任務,減輕同一時間下伺服器的工作負荷,從而可以提高資訊處理的效率。
所述步驟S22之後,所述方法還包括:確定所述作業任務所需的模型;從雲端的模型儲存庫獲取最新的模型清單,並下載每個所述作業任務所需的模型到電子設備上。
具體實施時,確定所述作業任務所需的模型之後,透過邊緣埠從雲端的模型儲存庫獲取最新的模型清單,並從所述模型清單中下載所述模型至當
前創建所述資訊處理任務的電子設備。當所述邊緣埠由堵塞狀態向轉發狀態遷移時,所述邊緣埠可以實現快速遷移,而無需等待延遲時間。
S24、根據提取到的作業任務分配計算資源。
為了在有限的計算資源中提升資源的使用率,需要為所述任務作業分配計算資源。
在本申請的一個實施例中,所述計算資源包括:CPU資源、記憶體資源、硬碟資源和網路資源。當所述電子設備在進行作業任務時,需要申請所述計算資源。當申請到足夠的所述計算資源時,才可以執行作業任務。
在本申請的一個實施例中,所述根據提取到的作業任務分配計算資源包括:獲取每個所述作業任務的資源用量;基於所述資源用量,獲取資源許可時間點;在所述資源許可時間點將所述計算資源配置給所述提取到的作業任務。
在本申請的一個實施例中,所述在所述資源許可時間點將所述計算資源配置給所述提取到的作業任務包括:在所述資源許可時間點將靜態資源配置給所述提取到的作業任務;或在所述資源許可時間點將動態資源配置給所述提取到的作業任務。
具體實施時,所述電子設備自動計算每個所述作業任務的資源用量。當執行到所述作業任務時,所述電子設備同步獲取當前電子設備的計算資源,當所述資源用量小於所述計算資源時,將所述計算資源配置給所述作業任務,並將所述作業任務加入作業列表。例如,所述資訊處理任務包含作業一和作業二,所述作業一的資源用量為1,所述作業二的資源用量為2。獲取當前所述電子設備的計算資源為2,可以將作業一加入作業執行列表進行作業執行,作業一執行完成之後,獲取所述電子設備的計算資源為1,所述電子設備預測所
述作業二的資源許可時間點,當達到所述資源許可時間點時,可以將作業二加入作業執行列表進行作業執行。
透過對所述計算資源進行分配,降低了資源閒置時間,提高了資訊處理效率。
S25、基於所述資訊來源,透過預先訓練完成的模型得到資訊處理任務結果。
在對資訊進行處理時,需要使用訓練完成的模型對資訊進行分析。
在本申請的一個實施例中,所述透過預先訓練完成的模型基於所述資訊來源,得到資訊處理任務結果包括:基於提取到的第一個作業任務,將所述資訊來源輸入至預先訓練完成的第一模型,得到第一作業任務結果;基於提取到的第二個作業任務,將所述第一作業任務結果輸入至預先訓練完成的第二模型,得到第二作業任務結果;繼續執行下一作業任務,將上一個作業任務結果輸入至預先訓練完成的下一作業任務對應的模型,得到所述下一個作業任務的作業任務結果,直至最後一個作業任務執行完畢;將所述最後一個作業任務的作業任務結果作為所述資訊處理任務結果。
實際應用時,當所述電子設備執行所述資訊處理任務時,根據所述作業佇列,從所述作業佇列中提取排在第一位的作業任務,當所述計算資源滿足所述排在第一位的作業任務的資源用量時,執行所述作業任務,並將所述資訊來源輸入至預先訓練完成的第一模型,得到第一作業任務結果。接著提取排在第二位的作業任務,當所述計算資源滿足所述排在第二位的作業任務的資源用量時,執行所述作業任務,並將所述第一作業任務結果輸入至預先訓練完成的第二模型,得到第二作業任務結果。繼續提取排在下一位的作業任務,當所述計算資源滿足所述排在下一位的作業任務的資源用量時,執行所述作業任務,
並將上一個作業任務結果輸入至預先訓練完成的下一作業任務對應的模型,得到下一作業任務對應的作業任務結果。直至最後一個作業任務執行完畢,將所述最後一個作業任務的作業任務結果作為所述資訊處理任務結果。
具體實施時,模型的訓練過程包括:獲取訓練資訊;將所述訓練資訊登錄至預先搭建的神經網路框架中進行訓練,得到所述模型;獲取測試資訊;使用所述測試資訊測試所述模型並獲取測試透過率;當所述測試透過率大於預設透過率閾值時,將所述模型作為所述訓練完成的模型。
透過利用有限的計算資源進行任務排程提升了資源使用率,並結合自動化的資訊收集,使用者只需提供資訊來源,即可進行持續的資訊分析。
請繼續參閱圖1,本實施例中,所述記憶體11可以是電子設備1的內部記憶體,即內置於所述電子設備1的記憶體。在其他實施例中,所述記憶體11也可以是電子設備1的外部記憶體,即外接於所述電子設備1的記憶體。
在一些實施例中,所述記憶體11用於存儲程式碼和各種資訊,並在電子設備1的運行過程中實現高速、自動地完成程式或資訊的存取。
所述記憶體11可以包括隨機存取記憶體,還可以包括非易失性記憶體,例如硬碟、記憶體、插接式硬碟、智慧存儲卡(Smart Media Card,SMC)、安全數位(Secure Digital,SD)卡、快閃記憶體卡(Flash Card)、至少一個磁碟記憶體件、快閃記憶體器件、或其他易失性固態記憶體件。
在一實施例中,所述處理器12可以是中央處理單元(Central Processing Unit,CPU),還可以是其他通用處理器、數位訊號處理器(Digital Signal Processor,DSP)、專用積體電路(Application Specific Integrated Circuit,ASIC)、現場可程式設計閘陣列(Field-Programmable Gate Array,FPGA)或者其他可程式設計邏輯器件、分立門或者電晶體邏輯器件、分立硬體元件等。通用
處理器可以是微處理器或者所述處理器也可以是其它任何常規的處理器等。
所述記憶體11中的程式碼和各種資訊如果以軟體功能單元的形式實現並作為獨立的產品銷售或使用時,可以存儲在一個電腦可讀取存儲介質中。基於這樣的理解,本申請實現上述實施例方法中的全部或部分流程,例如自動化任務排程的方法,也可以透過電腦程式來指令相關的硬體來完成,所述的電腦程式可存儲於一電腦可讀存儲介質中,所述電腦程式在被處理器執行時,可實現上述各個方法實施例的步驟。其中,所述電腦程式包括電腦程式代碼,所述電腦程式代碼可以為原始程式碼形式、物件代碼形式、可執行檔或某些中間形式等。所述電腦可讀介質可以包括:能夠攜帶所述電腦程式代碼的任何實體或裝置、記錄介質、隨身碟、移動硬碟、磁碟、光碟、電腦記憶體、唯讀記憶體(ROM,Read-Only Memory)等。
可以理解的是,以上所描述的模組劃分,為一種邏輯功能劃分,實際實現時可以有另外的劃分方式。另外,在本申請各個實施例中的各功能模組可以集成在相同處理單元中,也可以是各個模組單獨物理存在,也可以兩個或兩個以上模組集成在相同單元中。上述集成的模組既可以採用硬體的形式實現,也可以採用硬體加軟體功能模組的形式實現。
最後應說明的是,以上實施例僅用以說明本申請的技術方案而非限制,儘管參照較佳實施例對本申請進行了詳細說明,本領域的普通技術人員應當理解,可以對本申請的技術方案進行修改或等同替換,而不脫離本申請技術方案的精神和範圍。
S21~S25:步驟
Claims (9)
- 一種自動化任務排程方法,其中,所述自動化任務排程方法包括:獲取資訊處理任務及資訊來源;根據所述資訊處理任務生成作業佇列,包括:拆分所述資訊處理任務為所述作業任務;為所述作業任務建立邏輯依賴關係;設置每個所述作業任務的執行頻率;根據所述作業任務、所述邏輯依賴關係和所述執行頻率生成所述作業佇列;從所述作業佇列中依次提取作業任務;根據提取到的作業任務分配計算資源;基於所述資訊來源,透過預先訓練完成的模型得到資訊處理任務結果。
- 如請求項1所述的自動化任務排程方法,其中,所述資訊來源的獲取包括以下一種或多種的組合:接收透過伺服器介面發送的資訊來源;接收透過用戶端介面發送的資訊來源;接收透過檔案儲存協定發送的資訊來源。
- 如請求項1所述的自動化任務排程方法,其中,所述從所述作業佇列中依次提取所述作業任務包括:根據所述邏輯依賴關係確定作業順序;根據所述作業順序從所述作業佇列中依次提取所述作業任務。
- 如請求項3所述的自動化任務排程方法,其中,所述根據提取到的作業任務分配計算資源包括:獲取每個所述作業任務的資源用量;基於所述資源用量,獲取資源許可時間點; 在所述資源許可時間點將所述計算資源配置給所述提取到的作業任務。
- 如請求項4所述的自動化任務排程方法,其中,所述在所述資源許可時間點將所述計算資源配置給所述提取到的作業任務包括:在所述資源許可時間點將靜態資源配置給所述提取到的作業任務;或在所述資源許可時間點將動態資源配置給所述提取到的作業任務。
- 如請求項1至請求項5中任意一項所述的自動化任務排程方法,其中,所述方法還包括:確定所述作業任務所需的模型;從雲端的模型儲存庫獲取最新的模型清單,並下載每個所述作業任務所需的模型到電子設備上。
- 如請求項6所述的自動化任務排程方法,其中,基於所述資訊來源,透過預先訓練完成的模型得到資訊處理任務結果包括:基於提取到的第一個作業任務,將所述資訊來源輸入至預先訓練完成的第一模型,得到第一作業任務結果;基於提取到的第二個作業任務,將所述第一作業任務結果輸入至預先訓練完成的第二模型,得到第二作業任務結果;繼續執行下一作業任務,將上一個作業任務結果輸入至預先訓練完成的下一作業任務對應的模型,得到所述下一個作業任務的作業任務結果,直至最後一個作業任務執行完畢;將所述最後一個作業任務的作業任務結果作為所述資訊處理任務結果。
- 一種電子設備,其中,所述電子設備包括處理器和記憶體,所述處理器用於執行記憶體中儲存的電腦程式以實現如請求項1至請求項7中任意一項所述的自動化任務排程方法。
- 一種電腦可讀儲存介質,其中,所述電腦可讀儲存介質儲存有至少一個指令,所述至少一個指令被處理器執行時實現如請求項1至請求項7中任意一項所述的自動化任務排程方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110127780A TWI777695B (zh) | 2021-07-28 | 2021-07-28 | 自動化任務排程方法、電子設備及儲存介質 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110127780A TWI777695B (zh) | 2021-07-28 | 2021-07-28 | 自動化任務排程方法、電子設備及儲存介質 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI777695B true TWI777695B (zh) | 2022-09-11 |
TW202305586A TW202305586A (zh) | 2023-02-01 |
Family
ID=84958072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110127780A TWI777695B (zh) | 2021-07-28 | 2021-07-28 | 自動化任務排程方法、電子設備及儲存介質 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI777695B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201346759A (zh) * | 2012-01-27 | 2013-11-16 | Nvidia Corp | 自動依附任務啟始 |
CN112269650A (zh) * | 2020-12-18 | 2021-01-26 | 北京达佳互联信息技术有限公司 | 任务调度方法、装置、电子设备和存储介质 |
CN112988390A (zh) * | 2021-03-22 | 2021-06-18 | 上海超级计算中心 | 一种算力资源分配方法及装置 |
CN113157379A (zh) * | 2020-01-22 | 2021-07-23 | 株式会社日立制作所 | 集群节点资源调度方法及装置 |
-
2021
- 2021-07-28 TW TW110127780A patent/TWI777695B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201346759A (zh) * | 2012-01-27 | 2013-11-16 | Nvidia Corp | 自動依附任務啟始 |
CN113157379A (zh) * | 2020-01-22 | 2021-07-23 | 株式会社日立制作所 | 集群节点资源调度方法及装置 |
CN112269650A (zh) * | 2020-12-18 | 2021-01-26 | 北京达佳互联信息技术有限公司 | 任务调度方法、装置、电子设备和存储介质 |
CN112988390A (zh) * | 2021-03-22 | 2021-06-18 | 上海超级计算中心 | 一种算力资源分配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
TW202305586A (zh) | 2023-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bilal et al. | Towards automatic parameter tuning of stream processing systems | |
CN107678752B (zh) | 一种面向异构集群的任务处理方法及装置 | |
JP2014532247A (ja) | 容易にクラウド化可能なアプリケーションの発見型の識別および移行 | |
US9986018B2 (en) | Method and system for a scheduled map executor | |
US20190196875A1 (en) | Method, system and computer program product for processing computing task | |
WO2015021931A1 (en) | Task-based modeling for parallel data integration | |
Chen et al. | GPU-accelerated high-throughput online stream data processing | |
CN106776395B (zh) | 一种共享集群的任务调度方法及装置 | |
US20170357485A1 (en) | Optimizing a build process by scaling build agents based on system need | |
US11436231B2 (en) | Continuous query scheduling and splitting in a cluster-based data storage system | |
WO2019019652A1 (zh) | 推送信息的处理方法、装置、计算机设备和存储介质 | |
KR20100041829A (ko) | 병렬 컴퓨터에서의 사전적 전력 관리 | |
KR20200029387A (ko) | 캐시 최적화 및 효율적인 프로세싱을 위한 데이터 집성 방법 | |
CN110806928A (zh) | 一种作业提交方法及系统 | |
US20230222356A1 (en) | Federated learning | |
WO2020015087A1 (zh) | 大规模图片处理方法、系统、计算机设备及计算机存储介质 | |
CN110781180A (zh) | 一种数据筛选方法和数据筛选装置 | |
CN111124644A (zh) | 任务调度资源的确定方法、装置及系统 | |
CN108898229B (zh) | 用于构建机器学习建模过程的方法及系统 | |
US11138086B2 (en) | Collecting hardware performance data | |
US11409564B2 (en) | Resource allocation for tuning hyperparameters of large-scale deep learning workloads | |
TWI777695B (zh) | 自動化任務排程方法、電子設備及儲存介質 | |
Yasudo et al. | Performance estimation for exascale reconfigurable dataflow platforms | |
CN115373826B (zh) | 一种基于云计算的任务调度方法及装置 | |
CN111124634A (zh) | 一种训练方法、装置及电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GD4A | Issue of patent certificate for granted invention patent |