| 成果基本信息 | ||||||
| 关键词: | 大规模资源调度,深度学习神经网络 | |||||
| 成果类别: | 应用技术 | 技术成熟度: | 初期阶段 | |||
| 体现形式(基础理论类): | 其他 | 体现形式(应用技术类): | 新技术 | |||
| 成果登记号: | 资源采集日期: | |||||
| 研究情况 | |||||
| 单位名称: | 武汉理工大学 | 技术水平: | 未评价 | ||
| 评价证书号: | 评价单位: | ||||
| 评价日期: | 评价证书号: | ||||
| 转化情况 | |||||
| 转让范围: | 合作开发 | 推广形式: | 合作开发 | ||
| 已转让企业数(个): | |||||
| 联系方式 | |||||
| 联系人(平台): | 孵化基地 | 联系人(平台)电话: | 0771-3394012 | ||
| *成果单位详细联系方式请登录会员;还不是会员,马上注册! | |||||
| 成果简介 | |||||
本发明公开了一种基于深度学习神经网络的大规模资源调度系统及方法,系统包括至少一个调度控制模块和至少两个执行模块;调度控制模块用于接收用户请求,分配调度资源,并行计算状态反馈;执行模块用于接收调度控制模块发送的任务请求,开辟内存空间进行计算。本发明提供用户任务请求界面,调度器接收到提交的任务请求信息,通过深度学习神经网络对任务进行预测判定是否满足用户对任务完成情况的预期,从而确定资源调度策略的初始化参数。调度器根据资源调度策略进行任务的分割并分配给执行模块完成计算。执行模块对任务进行计算整理的同时将资源信息反馈给调度控制模块统一完成用户任务 |