[发明专利]算力资源管理方法、装置、电子设备及存储介质

说明书

本申请公开了算力资源管理方法、装置、电子设备及存储介质，涉及深度学习领域，其中方法可包括：获取任一用户的算力资源分配请求，确定出适用于用户的管理策略；从所构建的M个集群中确定出所述管理策略对应的集群，M为大于一的正整数；将确定出的集群作为候选集群，将候选集群中的至少一个集群的算力资源分配给用户进行使用。应用本申请所述方案，可提升资源利用率等。

技术领域

本申请涉及计算机应用技术，特别涉及深度学习领域的算力资源管理方法、装置、电子设备及存储介质。

背景技术

随着深度学习迅速发展，网络的种类、复杂程度和处理的数据量都在飞速的增长，对于深度学习算力资源的需求也越来越高。算力资源可包括处理器、内存、带宽及硬盘等，其中处理器可包括中央处理单元(CPU，Central Processing Unit)及图形处理器(GPU，Graphics Processing Unit)等。

不同用户的深度学习项目对于算力资源的需求也可能不同，但目前还没有一种有效的算力资源管理方法。

发明内容

有鉴于此，本申请提供了算力资源管理方法、装置、电子设备及存储介质。

一种算力资源管理方法，包括：

获取任一用户的算力资源分配请求，确定出适用于所述用户的管理策略；

从所构建的M个集群中确定出所述管理策略对应的集群，M为大于一的正整数；

将确定出的集群作为候选集群，将所述候选集群中的至少一个集群的算力资源分配给所述用户进行使用。

根据本申请一优选实施例，所述确定出适用于所述用户的管理策略包括：

获取所述用户的预定用户信息；

根据所述用户信息确定出适用于所述用户的管理策略。

根据本申请一优选实施例，所述将所述候选集群中的至少一个集群的算力资源分配给所述用户进行使用之前，进一步包括：从所述候选集群中过滤掉无法提供服务的集群。

根据本申请一优选实施例，所述将所述候选集群中的至少一个集群的算力资源分配给所述用户进行使用包括：

按照性能由高到低的原则对各候选集群进行排序；

将排序后处于前N位的集群的算力资源分配给所述用户进行使用，N为正整数；

或者，将排序后的各集群分配给所述用户，以便所述用户从中选择至少一个集群的算力资源进行使用。

根据本申请一优选实施例，所述对各候选集群进行排序包括：

针对每一候选集群，分别从预定的至少两个维度对所述候选集群进行评分，将各评分加权相加，得到所述候选集群的综合评分；

按照综合评分由高到低的顺序对各候选集群进行排序。

根据本申请一优选实施例，所述获取任一用户的算力资源分配请求之前，进一步包括：为所述用户分配预定额度的算力卡；

所述获取任一用户的算力资源分配请求之后，进一步包括：确定所述用户的算力卡中是否存在剩余额度，若是，则确定出适用于所述用户的管理策略，若否，则拒绝本次请求；

所述将所述候选集群中的至少一个集群的算力资源分配给所述用户进行使用之后，进一步包括：按照所述用户对于算力资源的使用情况从所述算力卡中扣除对应的额度。

一种算力资源管理装置，包括：第一管理单元以及第二管理单元；

所述第一管理单元，用于获取任一用户的算力资源分配请求，确定出适用于所述用户的管理策略，并从所构建的M个集群中确定出所述管理策略对应的集群，M为大于一的正整数；