[发明专利]调度任务及训练神经网络模型的方法、装置、终端和介质

权利要求书

1.一种训练耗时预测神经网络模型的方法(400)，其特征在于，包括：

S410，获取各个主任务中的每一个子任务的配置参数以及用以构建相应的子任务的从服务器的性能参数，其中，所述配置参数和所述性能参数均包括与相应的子任务的构建耗时相关的特征向量；

S420，基于所述配置参数和所述性能参数构建训练样本集；

S430，利用所述训练样本集，以相应的子任务的构建耗时作为目标，对预置的神经网络进行训练，并得到耗时预测神经网络模型。

2.根据权利要求1所述的方法(400)，其特征在于，所述特征向量包括包含于所述配置参数中的各个子任务中需要构建的文件的文件名称。

3.根据权利要求2所述的方法(400)，其特征在于，所述特征向量包括包含于所述配置参数中的各个子任务的子任务名。

4.根据权利要求2或3所述的方法(400)，其特征在于，所述特征向量包括包含于所述配置参数中并与相应的子任务所对应的主任务的主任务名。

5.根据权利要求1所述的方法(400)，其特征在于，所述特征向量包括包含于所述性能参数中的构建相应的子任务的从服务器的类型及其正在构建所述子任务时的并行进程数。

6.根据权利要求1所述的方法(400)，其特征在于，所述预置的神经网络包括基于注意力机制的长短期记忆人工神经网络。

7.一种训练耗时预测神经网络模型的装置(500)，其特征在于，包括：

获取模块(510)，其适于获取各个主任务中的每一个子任务的配置参数、用以构建相应的子任务的从服务器的性能参数以及预置的神经网络，其中，所述配置参数和所述性能参数均包括与相应的子任务的构建耗时相关的特征向量；

构建模块(520)，其适于基于所述配置参数和所述性能参数构建训练样本集；

训练模块(530)，其适于利用所述训练样本集，以相应的子任务的构建耗时作为目标，对所述预置的神经网络进行训练，并得到耗时预测神经网络模型。

8.一种训练耗时预测神经网络模型的终端(600)，其特征在于，包括第二存储器(610)和第二处理器(620)，所述第二存储器(610)上存储有可在所述第二处理器(620)上运行的第二计算机指令，所述第二处理器(620)运行所述第二计算机指令时执行权利要求1至6中任一项所述的方法的步骤。

9.一种第二存储介质，其上存储有第二计算机指令，其特征在于，所述第二计算机指令被第二处理器执行，以实现权利要求1至6中任一项所述的方法的步骤。