预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114461384A(43)申请公布日2022.05.10(21)申请号202111631224.9(22)申请日2021.12.28(71)申请人浙江大华技术股份有限公司地址310051浙江省杭州市滨江区滨安路1187号(72)发明人王新乐吴立郑溢淳江达秀俞昊杰(74)专利代理机构杭州华进联浙知识产权代理有限公司33250专利代理师李丽华(51)Int.Cl.G06F9/50(2006.01)G06F9/48(2006.01)G06N3/08(2006.01)权利要求书1页说明书9页附图4页(54)发明名称任务执行方法、装置、计算机设备和存储介质(57)摘要本申请涉及一种任务执行方法、装置、计算机设备和存储介质。所述方法包括:基于任务队列中待处理任务的优先级确定目标任务;判断所述目标任务的资源需求与当前可用资源是否匹配,所述当前可用资源包括服务器的实时资源以及所述目标任务的实时配额;若匹配,则执行所述目标任务。上述任务执行方法根据用户的优先级对算法任务的调度次序进行自适应调整,并且依据任务需求与当前资源自适应的对待处理任务进行逐一调度,能有效的降低服务器资源的空置率,提升资源的利用效能。CN114461384ACN114461384A权利要求书1/1页1.一种任务执行方法,其特征在于,所述方法包括:基于任务队列中待处理任务的优先级确定目标任务;判断所述目标任务的资源需求与当前可用资源是否匹配,所述当前可用资源包括服务器的实时资源以及所述目标任务的实时配额;若匹配,则执行所述目标任务。2.根据权利要求1所述的任务执行方法,其特征在于,所述基于任务队列中待处理任务的优先级确定目标任务之前包括:基于所述待处理任务对应的用户权限以及排队时间确定权重值;基于所述权重值确定所述待处理任务的优先级。3.根据权利要求1所述的任务执行方法,其特征在于,所述目标任务包括多个集群的目标任务,判断所述目标任务的资源需求与当前可用资源是否匹配包括:基于集群优先级进行轮询,判断每个集群的所述目标任务的资源需求与当前集群的实时资源是否匹配;若匹配,则判断所述目标任务的资源需求与实时配额是否匹配。4.根据权利要求1或3所述的任务执行方法,其特征在于,所述判断所述目标任务的资源需求与当前可用资源是否匹配包括:获取所述目标任务的资源需求类型以及资源需求数量;基于所述资源需求类型获取所述当前可用资源;判断所述资源需求数量与所述当前可用资源是否匹配。5.根据权利要求1所述的任务执行方法,其特征在于,所述判断所述目标任务的资源需求与当前可用资源是否匹配之后还包括:若不匹配,则基于所述待处理任务的优先级重新确定目标任务。6.根据权利要求1所述的任务执行方法,其特征在于,所述判断所述目标任务的资源需求与当前可用资源是否匹配之后还包括:若不匹配,则将所述匹配结果以及不匹配原因展示在显示界面上。7.根据权利要求1所述的任务执行方法,其特征在于,所述待处理任务包括深度学习的训练任务。8.一种任务执行装置,其特征在于,所述装置包括:任务确定模块,用于基于任务队列中待处理任务的优先级确定目标任务;判断模块,用于判断所述目标任务的资源需求与当前可用资源是否匹配,所述当前可用资源包括服务器的实时资源以及所述目标任务的实时配额;执行模块,用于若匹配,则执行所述目标任务。9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的任务执行方法的步骤。10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的任务执行方法的步骤。2CN114461384A说明书1/9页任务执行方法、装置、计算机设备和存储介质技术领域[0001]本申请涉及计算机技术领域,特别是涉及一种任务执行方法、装置、计算机设备和存储介质。背景技术[0002]目前,随着人工智能逐步深入各个行业领域,行业专家也趋向于从人工智能的角度来去解决那些复杂的问题,各种算法框架被应用到各个领域中,同时算法模型也正在不断地被算法工程师改进,这些变化需要强大的算力去支持。[0003]在深度学习技术领域,深度学习模型的训练过程是必不可少的。深度学习模型的训练过程可以看成深度学习训练任务。深度学习训练任务的管理系统可以对多个深度学习训练任务的训练过程进行管理,使得多个深度学习训练任务按照顺序进行训练。[0004]目前的训练任务依赖于用户手动创建并设置启动时间,但每个训练任务的结束时间具有不确定性,按固定时间启动和结束,会导致在两个训练任务之间存在空档,导致服务器资源空置,资源利用率低。发明内容[0005]基于此,有必要针对上述技术问题