[发明专利]机器学习系统及其资源配置方法

权利要求书

1.一种资源配置方法，适用于一机器学习系统，其特征在于，包含：

以该机器学习系统的一资源占用量执行至少一第一实验，其中每一该至少一第一实验具有一第一最低资源需求量；

接收关联于一目标资料集的实验需求；

依据该目标资料集决定一第二实验，并决定该第二实验的一第二最低资源需求量；

当该机器学习系统的一总资源量满足该第一最低资源需求量及该第二最低资源需求量的和，且该总资源量与该资源占用量的差满足该第二最低资源需求量时，配置该第二最低资源需求量执行该第二实验；以及

判断该机器学习系统具有一闲置资源量，并选择性地将该闲置资源量配置给该至少一第一实验及该第二实验中至少一个。

2.根据权利要求1所述的资源配置方法，其特征在于，决定该第二最低资源需求量包含：

依据该第二实验的执行效率资料及一目标实验执行表现，计算该第二最低资源需求量；

其中该第二实验的该执行效率资料包含一最高资源忙碌量对应的该第二实验的单个子实验的执行时间，且该目标实验执行表现指示在一预设时间内该第二实验的目标子实验完成量。

3.根据权利要求1所述的资源配置方法，其特征在于，选择性地将该闲置资源量配置给该至少一第一实验及该第二实验中至少一个包含：

依据每一该至少一第一实验的执行效率资料及该第二实验的执行效率资料，判断多个配置策略的预估实验执行表现，其中该些配置策略分别为将该闲置资源量配置给该至少一第一实验及该第二实验；以及

依据该些配置策略中具有最高预估实验执行表现的实验配置该闲置资源量；

其中每一该至少一第一实验的该执行效率资料包含多种资源忙碌量各自对应的该第一实验的单个子实验的执行时间，且该第二实验的该执行效率资料包含多种资源忙碌量各自对应的该第二实验的单个子实验的执行时间。

4.根据权利要求3所述的资源配置方法，其特征在于，该预估实验执行表现指示在一预设时间内所有实验的预估子实验完成量。

5.根据权利要求3所述的资源配置方法，其特征在于，该些配置策略包含将该闲置资源量配置给该至少第一实验的至少一第一配置策略及配置给该第二实验的一第二配置策略，每一该至少一第一配置策略的该预估实验执行表现指示在一预设时间内对应的该第一实验的预估子实验完成量，且该第二配置策略的该预估实验执行表现指示在该预设时间内该第二实验的预估子实验完成量。

6.根据权利要求1所述的资源配置方法，其特征在于，选择性地将该闲置资源量配置给该至少一第一实验及该第二实验中至少一个包含：

将该闲置资源量配置给该至少一第一实验及该第二实验中最早开始执行的实验。

7.根据权利要求1所述的资源配置方法，其特征在于，还包含：

当该总资源量满足该第一最低资源需求量及该第二最低资源需求量的该和，但该总资源量与该资源占用量的该差不满足该第二最低资源需求量时，减少该资源占用量，以使该总资源量与该资源占用量的该差满足该第二最低资源需求量。

8.根据权利要求7所述的资源配置方法，其特征在于，该至少一第一实验的数量为多个，且减少该资源占用量包含：

对于每一该些第一实验，依据该第一实验的执行效率资料，判断将该第一实验对应的该资源占用量减少后该第一实验的子实验完成量的预估下降幅度，其中该第一实验的该执行效率资料包含多种资源忙碌量各自对应的该第一实验的单个子实验的执行时间；以及

减少该些第一实验中具有最低预估下降幅度所对应的该资源占用量。

9.根据权利要求7所述的资源配置方法，其特征在于，该至少一第一实验的数量为多个，且减少该资源占用量包含：

减少该些第一实验中最晚开始执行的实验所对应的该资源占用量。