《计算机工程与科学杂志》发表论文赏析

基于GPU共享的深度学习训练任务加速调度框架

来源:计算机工程与科学杂志2026年第3期北京时间:

作者:林辰汐, 李嘉伦, 莫萱, 周杰英, 吴维刚

单位:1.中山大学计算机学院,广东 广州 510006;2.广东技术师范大学计算机科学学院,广东 广州 510665

摘要:深度学习DL在众多业务场景中的应用越来越广泛。如何在GPU集群中高效利用资源训练DL任务并缩短任务的完成时间,受到了工业界和学术界的持续关注。单个DL训练任务往往无法充分利用GPU的全部计算资源,传统调度器的独占式GPU分配导致资源利用率低下。提出一种基于GPU共享的任务调度框架G-Share,允许多个DL任务共享同一个GPU进行训练,即进行混部调度。在感知任务间混部干扰的基础上进行任务调度与资源分配,以提高GPU利用率进而加速任务的执行。具体来说,首先通过离线建模与在线更新的方式刻画任务间相互干扰的信息,并将基于GPU共享的调度问题建模为一个带权二部图最小匹配问题,通过求解该问题来获得资源分配结果,并结合时间片机制实现任务的动态调度来感知在线场景中任务最优混部组合的变化。在商汤科技的DL任务负载数据集上的实验表明,G-Share相比于对比方法实现了20.6%的任务平均完成时间减少。

关键词:云计算,深度学习,资源调度,GPU共享;任务间干扰,

基金资助:广东省自然科学基金 (2025A1515011663)

2026年3期其他文献查阅:

基于事件的蒙特卡罗粒子输运算法设计实现

基于GPU共享的深度学习训练任务加速调度框架

边云协同下的计算卸载与资源分配策略

基于线网划分的单层直角避障最小斯坦纳树算法及优化方法

高可扩展三维海洋可控源电磁高阶时域有限差分数值模拟

基于改进YOLOv8的农作物与藜草检测模型:MES-YOLO

面向农业地块提取的边缘-语义协同双分支解码网络

任务提示融合的端到端视觉多任务学习模型

基于FPGA实现的改进误差补偿图像放大算法研究

基于定向各向异性的加权最小二乘图像平滑方法

融合多尺度信息和特征映射关系的层次多粒度图像分类

基于SCViT的图像重构对抗样本防御方法

基于LAB和HOG特征的KCF-TLD融合目标跟踪算法

一种融合语义图卷积与自注意力机制的三维人体姿态估计方法

结合混合注意力与多尺度特征的人体姿态估计

基于改进YOLOv8的低光行人检测算法

一种面向密集人群的轻量化检测算法:RCL-YOLO

基于改进YOLOv8的道路障碍物检测模型

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!