-
公开(公告)号:CN112965797B
公开(公告)日:2022-02-22
申请号:CN202110244427.6
申请日:2021-03-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的Kubernetes环境下面向复杂任务的组合优先级调度方法具体通过以下步骤来实现:a).计算每组任务的实际并行度;b).获取任务关键程度;c).获取用户优先级;d).获取用户的动态优先级;e).计算任务紧急程度;f).并行度和紧急程度的归一化处理;g).求优先级数值;h).pod排序和调度。本发明的组合优先级调度方法,由于在设置优先级时考虑到了任务并行性,可以避免其他任务提前占用节点资源导致并行任务无法获得资源而造成的任务执行失败问题。其次,在设置优先级时考虑到了任务紧急程度,可以保证紧急任务在节点资源不足时对非紧急任务所占用的资源进行抢占,从而成功执行紧急任务。
-
公开(公告)号:CN112965797A
公开(公告)日:2021-06-15
申请号:CN202110244427.6
申请日:2021-03-05
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的Kubernetes环境下面向复杂任务的组合优先级调度方法具体通过以下步骤来实现:a).计算每组任务的实际并行度;b).获取任务关键程度;c).获取用户优先级;d).获取用户的动态优先级;e).计算任务紧急程度;f).并行度和紧急程度的归一化处理;g).求优先级数值;h).pod排序和调度。本发明的组合优先级调度方法,由于在设置优先级时考虑到了任务并行性,可以避免其他任务提前占用节点资源导致并行任务无法获得资源而造成的任务执行失败问题。其次,在设置优先级时考虑到了任务紧急程度,可以保证紧急任务在节点资源不足时对非紧急任务所占用的资源进行抢占,从而成功执行紧急任务。
-
公开(公告)号:CN117217334A
公开(公告)日:2023-12-12
申请号:CN202310054523.3
申请日:2023-02-03
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06N20/20 , G06F18/214 , H04L9/08 , H04L9/40
Abstract: 本发明涉及一种基于云边端架构的联邦学习模型聚合系统及方法,属于模型融合技术领域,系统云平台层、网络传输层、边缘层,以Kubernetes‑Kubeedge边缘计算云管理平台为基础,提供了一个稳定的云边端架构,使得云服务器不仅作为任务发起方能有效做出任务决策与下达,还能高效的管理作为参与方的边缘设备,本发明还提出了一种模型聚合系统的工作方法,突破了边缘设备中隐私数据分布不均,边缘设备机能受限、性能不均衡等情况,提高了模型聚合的有效性、公平性,适用场景更为广泛。
-
公开(公告)号:CN114093505B
公开(公告)日:2022-06-17
申请号:CN202111361578.6
申请日:2021-11-17
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于云边端架构的病理检测系统及方法,包括云平台层、通信网络层、边缘层;云平台层包括云计算服务器中心、数据库、云端文件存储系统以及一个MQTT服务器;网络通信层包括多种网络通信方式;边缘层就是集成在医疗机构内的各个设备组件,包括边缘设备、本地文件存储系统以及病理切片扫描仪;本发明提供了基于Kubeedge管理平台的云边端架构的病理检测方法,实现边缘设备物模型创建、病理图像模型训练、镜像下发、病理图像检测推理、边缘数据上传等,可有效节省医院病理科的人力、时间成本,提高病理诊断的质量和效率。
-
公开(公告)号:CN115187847A
公开(公告)日:2022-10-14
申请号:CN202210832612.1
申请日:2022-07-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06V10/94 , G06V20/52 , G06V10/70 , G06V10/82 , G06N3/04 , G06N3/08 , G06N5/04 , G06F9/455 , H04L67/06 , H04L67/10 , H04L67/1008 , H04L67/101 , H04L67/1095 , H04N7/18
Abstract: 本发明涉及一种基于云边端架构的图像联合推理识别系统及方法,包括云平台层、通信网络层、边缘层、终端层;云平台层包括云计算中心、数据库、云端文件存储系统、镜像仓库;边缘层包括集成在目标图像识别场景中的各个设备,包括边缘设备、本地文件存储系统;终端层是目标图像识别场景中具有数据采集功能的终端设备,用于将监控采集的实时图像、视频通过有线或无线网络传输到边缘层,以待检测。本发明采用云边联合推理算法,攻克只将模型单边部署于云端或者边缘端的缺点,能更多更快的对多目标进行检测识别,充分利用云边资源,更适用于复杂的多目标图像识别与检测作业。
-
公开(公告)号:CN114093505A
公开(公告)日:2022-02-25
申请号:CN202111361578.6
申请日:2021-11-17
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于云边端架构的病理检测系统及方法,包括云平台层、通信网络层、边缘层;云平台层包括云计算服务器中心、数据库、云端文件存储系统以及一个MQTT服务器;网络通信层包括多种网络通信方式;边缘层就是集成在医疗机构内的各个设备组件,包括边缘设备、本地文件存储系统以及病理切片扫描仪;本发明提供了基于Kubeedge管理平台的云边端架构的病理检测方法,实现边缘设备物模型创建、病理图像模型训练、镜像下发、病理图像检测推理、边缘数据上传等,可有效节省医院病理科的人力、时间成本,提高病理诊断的质量和效率。
-
-
-
-
-