一种基于双重图曼巴网络和策略梯度优化的自动并行方法

本发明公开了一种基于双重图曼巴网络和策略梯度优化的自动并行方法，该方法首先获取公开的AI模型数据集，对其中每个计算图G进行算子融合，获取特征矩阵X。其次构建包含图曼巴分支和解耦图神经网络分支的双重图曼巴网络，将特征矩阵X分别两个分支中得到特征表示XM与XD。然后将XM与XD求平均，输入到LSTM网络进行特征融合，得到双重图曼巴网络的特征表示最后将特征表示输入到强化学习迭代求解模块中，通过不断迭代和优化中间奖励值，获得最优的并行策略。本发明增强了图嵌入表达能力，有效解决了设备放置问题中传统策略梯度算法新旧策略变化差异过大导致的不准确性和稳定性问题。