申请/专利权人：清华大学

申请日：2024-04-18

公开（公告）日：2024-06-18

公开（公告）号：CN118069374B

主分类号：G06F9/50

分类号：G06F9/50;G06F9/46;G06N20/00;G06N3/098

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2024.06.11#实质审查的生效;2024.05.24#公开

摘要：本发明涉及电数字数据处理技术领域，特别涉及一种数据中心智能训练仿真事务加速方法、装置、设备及介质，其中，方法包括：获取当前CPU算力和当前待仿真的GPU算力；根据当前CPU算力和当前待仿真的GPU算力确定当前分布式仿真策略，并在基于当前分布式仿真策略进行仿真时，判断当前分布式仿真策略中的事务队列是否存在确定性仿真事务，若存在确定性仿真事务，则删除确定性仿真事务，并基于剩余仿真事务进行加速仿真。由此，解决了相关技术的仿真系统效率低，耗时长等问题，通过大模型集群的结构和模型训练的特征，运用多CPU核的分布式仿真以降低整个仿真系统的事务数量，从而提高仿真效率。

主权项：1.一种数据中心智能训练仿真事务加速方法，其特征在于，包括以下步骤：获取当前中央处理单元CPU算力和当前待仿真的图形处理单元GPU算力；根据所述当前CPU算力和所述当前待仿真的GPU算力确定当前分布式仿真策略，并在基于所述当前分布式仿真策略进行仿真时，判断所述当前分布式仿真策略中的事务队列是否存在确定性仿真事务；若存在所述确定性仿真事务，则删除所述确定性仿真事务，并基于剩余仿真事务进行加速仿真；其中，所述根据所述当前CPU算力和所述当前待仿真的GPU算力确定当前分布式仿真策略，包括：判断所述当前CPU算力是否大于所述当前待仿真的GPU算力；若所述当前CPU算力大于所述当前待仿真的GPU算力，则计算平均使用所有的CPU核的第一核间通信量和使用满足预设数量要求的CPU核的第二核间通信量；若所述第一核间通信量大于所述第二核间通信量，则所述当前分布式仿真策略为采用满足所述预设数量要求的CPU核进行仿真，否则，所述当前分布式仿真策略为采用所述平均使用所有的CPU核进行仿真；在判断所述当前CPU算力是否大于所述当前待仿真的GPU算力之后，还包括：若所述当前CPU算力小于或等于所述当前待仿真的GPU算力，则计算单个CPU核仿真全部GPU的第三核间通信量和每个CPU核对应仿真相同类型GPU的第四核间通信量；若所述第三核间通信量小于或等于所述第四核间通信量，则所述当前分布式仿真策略为采用单个CPU核对全部当前待仿真的GPU进行仿真，否则，所述当前分布式仿真策略为采用每个CPU核对应仿真相同类型GPU进行仿真。

全文数据：

权利要求：

百度查询： 清华大学 数据中心智能训练仿真事务加速方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD