一种基于人工智能的资源自动分配系统

技术领域

本发明涉及人工智能技术领域，具体为一种基于人工智能的资源自动分配系统。

背景技术

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

人工智能目前被大量引用于大型计算领域，包括：大数据和并行处理等领域。但人工智能因为对系统资源占用高，尤其在大型计算领域，因为需要处理的目标更大，往往会需要巨量资源来支撑，否则可能出现运行迟缓、宕机的可能；同时需要耗费很强的工人智能学习和处理能力。因此，设计处理效率高和实用性强的一种基于人工智能的资源自动分配系统是很有必要的。

发明内容

本发明的目的在于提供一种基于人工智能的资源自动分配系统，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于人工智能的资源自动分配系统的运行方法，包括以下步骤：

步骤S1：将人工智能计算单元等运算量拆解，重新构建为人工智能计算矩阵单元组；

步骤S2：将步骤S1中构建的人工智能计算矩阵单元组进行处理资源分类；

步骤S3：接收处理目标任务，对待处理的目标任务的任务量高低进行判断，并同步输出信号；

步骤S4：进行人工智能的资源调度分配后协同处理任务。

步骤S5：协同处理时对处理进度进行监督，并在监督到存在处理子单元率先完成人工智能计算时，开始执行运算资源的交叉处理。

根据上述技术方案，所述步骤S1中，

人工智能计算单元的等运算量拆解数量可以根据当前人工智能所应用场景改变，针对密集运行的高运算场景，可适应性的分出更多区块。

根据上述技术方案，所述步骤S2中对人工智能计算矩阵单元组进行处理资源分类的方法为：

将人工智能计算矩阵单元组分类为一个备用子单元和若干组各领域处理子单元；

在接收第一个处理目标任务后，将完整的处理目标所需要的总任务平均分配到若干组各领域处理子单元中；

然后以第一个处理目标分得的各处理子单元确定的任务，再进行任务种类领域划分。

根据上述技术方案，所述步骤S3中，对待处理的目标任务的任务量高低进行判断的方法为：

接收通道占用未超50％，且占用时间低于200毫秒，当满足判断条件时，判断为低任务目标，反之则判断为高任务目标，并同步输出信号。

根据上述技术方案，所述步骤S4进一步包括以下步骤：

接收处理目标任务后，根据任务量高低选择不同的处理模式；

当判断为低任务目标时，则调取人工智能计算矩阵单元组的其中一个备用子单元的运算资源进行处理，当判断为高任务目标时，则通过人工智能矩阵的各领域处理子单元进行协同处理。

根据上述技术方案，所述协同处理方法为：

将目标任务等运算量拆解为与人工智能矩阵的各领域处理子单元相同数量的区块，再按照各区块的任务分类，与各领域处理子单元逐一匹配，进行同步处理。

根据上述技术方案，所述步骤S5中，运算资源交叉处理的方法具体为：

在监测到较快完成本领域处理任务的处理子单元后，进行交叉处理，完成本领域任务的处理子单元交叉延伸获取与其相邻的人工智能矩阵内的处理子单元的任务区块，进行协同处理，共同完成任务，当相邻矩阵的处理子单元均协同完成本领域任务后，整体进一步向外蔓延交叉处理仍未完成的任务区块，直至完成所有任务区块。

一种基于人工智能的资源自动分配系统，其特征在于：该系统包括：构建模块，用于构建为人工智能计算矩阵单元组。

分类模块，用于进行处理资源的分类。

接收模块，用于提供接收通道，接收人工智能所在的硬件平台处理目标任务。

交叉处理模块，用于为人工智能计算矩阵单元组在执行计算时，进行交叉计算资源处理。

资源调度分配模块，用于控制调度人工智能计算资源的分配。

与现有技术相比，本发明所达到的有益效果是：本发明，通过监测协同处理时的所有领域处理子模块的处理进度，在监测到较快完成本领域处理任务的处理子单元后，进行交叉处理，完成本领域任务的处理子单元交叉延伸获取与其相邻的人工智能矩阵内的处理子单元的任务区块，进行协同处理，共同完成任务，当相邻矩阵的处理子单元均协同完成本领域任务后，整体进一步向外蔓延交叉处理仍未完成的任务区块，直至完成所有任务区块，从而实现了计算资源针对性处理任务同时，还可以避免存在计算间隙资源的浪费。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例一提供的一种基于人工智能的资源自动分配系统的运行步骤流程图；

图2为本发明实施例二提供的一种基于人工智能的资源自动分配系统的模块组成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

图1为本发明实施例一提供的一种基于人工智能的资源自动分配系统的运行步骤流程图，本实施例可适用于人工智能运算资源调度的情况，该方法可以由本发明实施例提供的一种基于人工智能的资源自动分配系统来执行，如图1所示，该方法具体包括以下步骤：

步骤S1：将人工智能计算单元等运算量拆解，重新构建为人工智能计算矩阵单元组。

示例性的，在本发明实施例中，人工智能计算单元的等运算量拆解数量可以根据当前人工智能所应用场景改变。对于一些密集运行的高运算场景，可适应性的分出更多区块，做到任务分类更具体化，有助于在运算量不变时进一步提高处理资源利用率，提升人工智能运算速度。

步骤S2：将步骤S1中构建的人工智能计算矩阵单元组进行处理资源分类。

示例性的，可以将人工智能计算矩阵单元组分类为一个备用子单元和若干组各领域处理子单元，此处各领域处理子模块在首次处理前并未任何限定，而是在接收第一个处理目标任务后，将完整的处理目标所需要的总任务平均分配到若干组各领域处理子单元中，但其中遵循分到各领域的子单元的任务指令重复度越高，则分得越靠近的矩阵单元。然后以第一个处理目标分得的各处理子单元确定的任务，再进行任务种类领域划分，使后续接收处理目标任务时，除了将目标任务平均分配到和领域处理子单元中，遵循分配的每一领域处理子单元为最接近处理该任务的类型，从而可以减少每一组处理子单元接收不同类型的任务而徒增学习成本，提高人工智能的处理速度。

步骤S3：接收处理目标任务，对待处理的目标任务的任务量高低进行判断，并同步输出信号。

在本发明实施例中，根据人工智能所在的硬件平台，接收处理目标任务，根据平台接收通道占用量和占用时间，对当前接收待处理的目标任务量的大小进行初步判断，其判断方法主要为接收通道占用未超50％，且占用时间低于200毫秒。当满足判断条件时，判断为低任务目标，反之则判断为高任务目标，并同步输出信号。

步骤S4：进行人工智能的资源调度分配。

当判断为低任务目标时，则调取人工智能计算矩阵单元组的其中一个备用子单元的运算资源进行处理，当判断为高任务目标时，则通过人工智能矩阵的各领域处理子单元进行协同处理。

示例性的，协同处理的方法为将目标任务等运算量拆解为与人工智能矩阵的各领域处理子单元相同数量的区块，再按照各区块的任务分类，与各领域处理子单元逐一匹配，进行同步处理。接收处理目标任务后，根据任务量高低选择不同的处理模式，可以达到提高高任务量的处理效率同时，对于低任务量的目标直接利用一个备用子单元进行完全处理，无需进行协同处理，因其利用人工智能的资源少，若进行协同处理，协同处理的前序任务占用资源已经超过处理低任务量本身所占用的资源，从而最大化的利用系统资源。

步骤S5：协同处理时对处理进度进行监督，并在监督到存在处理子单元率先完成人工智能计算时，开始执行运算资源的交叉处理。

示例性的，将目标任务拆解为多个区块且匹配了对应领域的处理子单元进行处理后，因各领域处理子单元应对的区块任务学习熟练度不一，在同等人工智能资源处理同等任务量的任务时，仍存在处理速度不一，一些任务区块因与先前的处理目标任务拆分的任务高度相同，因此在现在处理时匹配到的同意处理子单元具有学习记忆能力，对应处理速度较快，反之一些处理子单元在处理过程中存在较多适应测试缓存阶段，处理速度较慢。通过监测协同处理时的所有领域处理子模块的处理进度，在监测到较快完成本领域处理任务的处理子单元后，进行交叉处理，完成本领域任务的处理子单元交叉延伸获取与其相邻的人工智能矩阵内的处理子单元的任务区块，进行协同处理，共同完成任务，当相邻矩阵的处理子单元均协同完成本领域任务后，整体进一步向外蔓延交叉处理仍未完成的任务区块，直至完成所有任务区块，从而实现了计算资源针对性处理任务同时，还可以避免存在计算间隙资源的浪费。

示例性的，因各领域的子单元的任务指令重复度越高，则矩阵单元分得越靠近，因此使处理子单元相互协同处理时，也是优先处理与本领域相近的任务，进而理论处理速度亦不会因完全接受新任务而波动过大，进一步提高处理效率。

示例性的，构建的人工智能计算矩阵单元协同处理一项任务量时，同样实现规避风险的作用，不会因为遇到任意一进程出现BUG而全部终止进程，可以同步处理各领域任务区块，在BUG修复后，所以计算资源交叉式侵入，快速对卡死处进行修复，达到抗风险效果。

实施例二

本发明实施例二提供了一种基于人工智能的资源自动分配系统，图2为本发明实施例二提供的一种基于人工智能的资源自动分配系统的模块组成示意图，如图2所示，该系统包括：

构建模块，用于构建为人工智能计算矩阵单元组。

分类模块，用于进行处理资源的分类。

接收模块，用于提供接收通道，接收人工智能所在的硬件平台处理目标任务。

交叉处理模块，用于为人工智能计算矩阵单元组在执行计算时，进行交叉计算资源处理。

资源调度分配模块，用于控制调度人工智能计算资源的分配。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。