一种基于TR-DQN的高性能计算集群资源调度方法及系统

    公开(公告)号:CN117591273A

    公开(公告)日:2024-02-23

    申请号:CN202311483923.2

    申请日:2023-11-06

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于TR‑DQN的高性能计算集群资源调度方法及系统,首先用户提交任务请求,所有请求进入等待队列等待调度;然后计算提交任务的优先级,并对等待队列进行重排序;接着收集和处理集群的节点信息和任务信息,将处理后的数据输入至TR‑DQN模型进行调度;最后任务调度完成之后进入对应节点运行。TR‑DQN模型将高性能计算集群调度的特点结合到深度强化学习中,并引入两级神经网络结构,第一级神经网络用于选择立即执行或预留执行的任务,第二级神经网络用于选择用于回填的任务,可以提高集群的资源利用率、减少任务的等待时间,并能快速适应集群负载环境的变化,此外,还能最大限度地减少集群的工作饥饿问题。

    跨GPU缓冲区的分级通信系统及设备

    公开(公告)号:CN115658336A

    公开(公告)日:2023-01-31

    申请号:CN202211192069.X

    申请日:2022-09-28

    Applicant: 武汉大学

    Abstract: 本发明提供了一种跨GPU缓冲区的分级通信系统及设备。所述系统包括:将集群分为两级结构,一级结构作为节点的服务器CPU,二级结构作为CPU下连接的GPU。本发明采用MPICH的分层集合通信框架进行节点间的通信,对于节点内部的GPU通信则采用NCCL实现多节点的配置,基于NCCL的nccl_broadcast函数设计一个MPI中的广播算法,增强不同MPI_Bcast的性能表现,通过先执行GPU间的广播,从节点内NCCL阶段的GPU缓冲区直接发出节点间的广播集体操作来实现高效的通信。

    一种面向问句匹配任务的数据增强方法

    公开(公告)号:CN115510863A

    公开(公告)日:2022-12-23

    申请号:CN202211126504.9

    申请日:2022-09-16

    Applicant: 武汉大学

    Abstract: 本发明公开了一种面向问句匹配任务的数据增强方法,本发明从字词、句两种角度实现数据增强,具体而言,为了应对问句文本中常出现的同义词混淆、实体混淆问题,从字词粒度出发,实现了基于命名实体识别的实体替换增强算法与利用预训练模型强大的语义表达能力实现的基于掩码语言模型的同义词替换及随机插入算法,扩充了样本空间;提出了字词粒度噪声增强算法,通过添加噪声,提高了模型的学习能力;从句子粒度,实现了基于回译方法的数据增强,利用文本生成的思想,提高了样本的多样性。通过在BUSTM数据集上进行对比实验与消融实验,验证了本文提出数据增强方法的有效性与先进性。

    面向大规模差分算子的资源并行调度与优化方法及系统

    公开(公告)号:CN115509743A

    公开(公告)日:2022-12-23

    申请号:CN202211126572.5

    申请日:2022-09-16

    Applicant: 武汉大学

    Abstract: 本发明公开了一种面向大规模差分算子的资源并行调度与优化方法及系统,本发明以分布式计算、计算机系统与结构和分片技术为指导思想,使用分布式框架将任务执行单元与主机相连,组成集群,并在集群的环境下使用中间件,具有自动并行化翻译和资源调度的功能。针对大规模算子,分析算子结构,寻找共性,将其不同之处提取出来作为参数传递,并翻译出其并行化代码。本发明不仅可以实现算子在集群上的高效计算,而且可以对其他串行程序转换为并行程序的课题起到帮助作用。灵活变动后,除了可以使待处理的任务在集群上运行,若任务量较小,也可以在单独的主机上实现CPU\GPU的在协同计算。

    一种面向三级并行中间件的计算资源自动分配方法及系统

    公开(公告)号:CN114356550A

    公开(公告)日:2022-04-15

    申请号:CN202111503888.7

    申请日:2021-12-10

    Applicant: 武汉大学

    Abstract: 本发明公开了一种面向三级并行中间件的计算资源自动分配方法及系统,以分布式技术、中间件和计算机组成结构为指导理论,针对在集群环境下进行大规模计算的任务,本发明提出了一种面向三级并行中间件的计算资源自动分配模型。该模型可将在集群下进行的计算任务进行分析,首先通过消息中间件以队列的形式将任务分配给每个计算单元,然后再计算单元内将任务再次分配给CPU和GPU。本发明除了可以应用在集群上,当任务规模不大时,也可作用于单台电脑。把单机上的计算任务合理分配给CPU和GPU,使二者能够同时进行运算,提高计算速率。利用本发明可以在集群模式下计算任务大的背景下,将计算速度进一步提高。

    一种拆接线核对方法、装置、设备及可读存储介质

    公开(公告)号:CN114037711A

    公开(公告)日:2022-02-11

    申请号:CN202111235428.0

    申请日:2021-10-22

    Applicant: 武汉大学

    Abstract: 本申请涉及一种拆接线核对方法、装置、设备及可读存储介质,包括获取拆线前图像和接线后图像;基于尺度不变特征转换算法确定出拆线前图像的第一特征点集合和接线后图像的第二特征点集合,将第一特征点集合和第二特征点集合对应转换为第一数组和第二数组;根据第一数组和第二数组计算得到仿射变换矩阵;检测拆线前图像的拍照范围是否小于接线后图像的拍照范围;若是,则基于仿射变换矩阵和拆线前图像确定接线后图像的待裁剪范围并对接线后图像进行裁剪;分别对拆线前图像和裁剪后的接线图像中的文字进行识别,得到第一字符识别结果和第二字符识别结果,进而判定拆接线过程是否存在错误。本申请可提高拆接线核对的准确性和效率,降低人工成本。

    一种基于RSA数字签名的源机器码比对方法

    公开(公告)号:CN112615723B

    公开(公告)日:2021-09-14

    申请号:CN202011497527.1

    申请日:2020-12-17

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于RSA数字签名的源机器码比对方法,首先由代码比对系统产生私钥公钥密钥对,私钥分发给智能电表生产厂商,公钥分发给甲方国家电网;然后由生产厂商用RSA算法和私钥加密MD5加密新生产智能电表源机器码后的代码形成签名signature,并将其交给甲方;甲方用RSA算法和公钥解密签名signature,并将其与用MD5加密备案样品源机器码后的代码进行比较,从而判断新生产智能电表与备案样品质量是否一致。本发明主要应用于国家电网与智能电表生产厂商的产品一致性检查中,因对比过程中带有其私钥加密的签名标记,可以防止代码比对结果不一致时生产厂商抵赖,具有较大应用价值。

    一种基于RSA数字签名的源机器码比对方法

    公开(公告)号:CN112615723A

    公开(公告)日:2021-04-06

    申请号:CN202011497527.1

    申请日:2020-12-17

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于RSA数字签名的源机器码比对方法,首先由代码比对系统产生私钥公钥密钥对,私钥分发给智能电表生产厂商,公钥分发给甲方国家电网;然后由生产厂商用RSA算法和私钥加密MD5加密新生产智能电表源机器码后的代码形成签名signature,并将其交给甲方;甲方用RSA算法和公钥解密签名signature,并将其与用MD5加密备案样品源机器码后的代码进行比较,从而判断新生产智能电表与备案样品质量是否一致。本发明主要应用于国家电网与智能电表生产厂商的产品一致性检查中,因对比过程中带有其私钥加密的签名标记,可以防止代码比对结果不一致时生产厂商抵赖,具有较大应用价值。

    基于CPU多线程与GPU多粒度并行及协同优化的方法

    公开(公告)号:CN106991011B

    公开(公告)日:2020-07-24

    申请号:CN201710204293.9

    申请日:2017-03-30

    Applicant: 武汉大学

    Abstract: 本发明涉及一种针对大数据任务处理的基于CPU多线程与GPU多粒度并行及协同优化的方法,首先创建主线程,根据已知参数计算CPU_GPU最佳任务划分。启动n个线程,其中1个负责调度GPU,其余负责执行CPU计算任务。然后采用内存池技术降低数据从磁盘读入内存的通信开销;采用哈希表和信息摘要解决多线程访存中资源竞争的问题;采用流水线技术隐藏数据从内存读入CPU的通信时间。在主机端,CPU采用多核多线程方式执行分配到的任务;在设备端,GPU采用CUDA并行方式执行分配到的任务。全部任务完成后,主线程收回控制权直至退出。本发明可以在大数据任务处理中取得明显的加速效果,降低任务总的处理时间,提高处理效率。

    一种传播网络的关键路径提取方法

    公开(公告)号:CN108183956B

    公开(公告)日:2020-05-12

    申请号:CN201711475729.4

    申请日:2017-12-29

    Applicant: 武汉大学

    Abstract: 本发明公开了一种传播网络的关键路径提取方法,传播网络中添加一个额外节点,并与传播网络中的每一个节点建立双向连接;计算额外节点传播网络中任意两节点间的节点相似度;通过额外节点传播网络中节点总数初始化节点影响力列向量,并建立概率转移矩阵,进行全局投票迭代以更新节点影响力列向量;遍历排除额外节点传播网络中任意两个用户节点的最短路径,并对每条最短路径构建路径节点影响力行向量以及路径节点相似度行向量;进一步计算得到每条最短路径的路径综合影响力以对每条最短路径进行排序得到关键路径。本发明解决了社交网络平台上关键传播路径的挖掘问题,并可用于舆情监控与干预、谣言检测等网络信息监控领域。

Patent Agency Ranking