首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种分布式训练场景的容错重调度方法及装置 

申请/专利权人:天翼云科技有限公司

申请日:2023-12-12

公开(公告)日:2024-06-25

公开(公告)号:CN118245257A

主分类号:G06F11/07

分类号:G06F11/07

优先权:

专利状态码:在审-公开

法律状态:2024.06.25#公开

摘要:本发明涉及重调度技术领域,提供一种分布式训练场景的容错重调度方法及装置。该方法包括:预设训练数量并调度训练程序实例进行分布式训练;监听资源设备的内核日志及程序实例的训练日志;当内核日志中出现故障错误的硬件设备信息时,为出现故障错误的硬件设备添加错误标记;检查出现故障错误的硬件设备对应的程序实例的训练日志,为训练日志中报错的程序实例添加错误标记;将带有错误标记的硬件设备及带有错误标记的程序实例置于调度范围外;补充满足训练数量的预训练的程序实例至调度范围;调度补充后的调度范围内的程序实例至调度范围内的资源设备进行分布式训练。本发明能够提升重调度的效率与成功率。

主权项:1.一种分布式训练场景的容错重调度方法,其特征在于,包括:S1:预设训练数量并调度训练程序实例,将所述程序实例调度至资源设备进行分布式训练;S2:监听进行分布式训练的所述资源设备的内核日志及所述程序实例的训练日志;S3:当所述内核日志中出现故障错误的硬件设备信息时,为出现故障错误的硬件设备添加错误标记;检查出现故障错误的硬件设备对应的程序实例的训练日志,为所述训练日志中报错的程序实例添加错误标记;S4:设定调度范围,将带有错误标记的硬件设备及带有错误标记的程序实例置于调度范围外;S5:当保留在所述调度范围内的程序实例小于所述训练数量时,补充满足所述训练数量的预训练的程序实例至所述调度范围;S6:调度补充后的所述调度范围内的程序实例至所述调度范围内的资源设备进行分布式训练,以完成容错重调度。

全文数据:

权利要求:

百度查询: 天翼云科技有限公司 一种分布式训练场景的容错重调度方法及装置

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。