[发明专利]用于神经网络训练和智能分析的处理资源配置方法和装置

权利要求书

1.一种用于神经网络训练和智能分析的处理资源配置方法，其特征在于，该方法包括，

在神经网络模型进行智能分析使用当前处理资源的任意时间，判断是否满足触发逻辑，如果满足触发逻辑，则

根据当前处理资源进行资源评估，确定当前空闲的处理资源，

基于当前空闲的处理资源，为待更新神经网络模型配置训练所需的处理资源，

基于训练所需的处理资源，对待更新神经网络模型进行训练。

2.如权利要求1所述的方法，其特征在于，所述触发逻辑至少包括如下之一：

当前前景运动分析满足设定的触发事件，

当前时间到达符合设定的对待更新定神经网络模型启动训练的第一时间，所述当前时间包括，基于系统时间确定的绝对时间，或，基于计时设定的相对时间，

当前空闲处理资源的资源量达到设定的对待更新神经网络模型启动训练的第一阈值；

该方法进一步包括，

在待更新神经网络模型进行训练使用当前处理资源的任意时间，如果不满足触发逻辑，则存储当前训练中的待更新神经网络模型，暂停训练线程，启动神经网络模型进行智能分析。

3.如权利要求2所述的方法，其特征在于，所述基于当前空闲的处理资源，对待更新神经网络模型进行训练，包括，

加载待更新神经网络模型、训练参数、以及训练数据，执行训练，并实时监控当前处理资源，

所述在神经网络模型进行训练使用当前处理资源的任意时间，如果不满足触发逻辑，进一步包括，

当检测到前景信息时，判断当前处理资源中的图形处理器GPU显存和/或系统内存资源是否充足，

如果充足，则暂停当前训练线程，如果不充足，则终止训练线程；

判断待更新神经网络模型是否训练完毕，如果是，则保存训练好的神经网络模型，并部署该神经网络模型，否则，返回执行所述在神经网络模型进行智能分析使用当前处理资源的任意时间，判断是否满足触发逻辑的步骤；

所述训练参数包括，并发线程的数量、线程启动信号和等待信号、迭代次数、学习率之一或其任意组合。

4.如权利要求3所述的方法，其特征在于，所述基于当前空闲的处理资源，为待更新神经网络模型配置训练所需的处理资源，进一步包括，

根据当前空闲的处理资源，为待更新神经网络模型配置自适应训练参数，

所述判断待更新神经网络模型是否训练完毕之前进一步包括，

判断当前空闲处理资源的资源量达到设定的对待更新神经网络模型暂停训练的第二阈值；如果是，则存储当前训练中的待更新神经网络模型，暂停训练线程和/或调整训练参数，否则，继续当前训练。

5.如权利要求4所述的方法，其特征在于，所述判断当前空闲处理资源的资源量达到设定的对待更新神经网络模型暂停训练的第二阈值进一步包括，

如果当前空闲处理资源的资源量未达到第二阈值，则判断当前时间是否到达设定的对待更新神经网络模型暂停训练的第二时间，如果是，则存储当前训练中的待更新神经网络模型，暂停训练线程，否则，继续当前训练，直至待更新神经网络模型训练完毕。

6.如权利要求2所述的方法，其特征在于，当触发逻辑为当前空闲处理资源的资源量达到设定的对待更新神经网络模型启动训练的第一阈值，或，当前时间到达符合设定的对待更新定神经网络模型启动训练的第一时间，所述在神经网络模型进行训练使用当前处理资源的任意时间，如果不满足触发逻辑，包括，

判断当前空闲处理资源的资源量是否到达设定的对待更新神经网络模型暂停训练的第二阈值，或者，判断当前时间到达符合设定的对待更新定神经网络模型暂停训练的第二时间，如果是，则存储当前训练中的待更新神经网络模型，暂停训练线程，否则，则继续当前训练，直至待更新神经网络模型训练完毕。