一种基于深度学习的异构资源智能分配调度方法及系统

本发明公开了一种基于深度学习的异构资源智能分配调度方法及系统，通过分析历史计算任务资源的最优分配方案建立特征数据集，基于DeepFM和LSTM构建智能分配调度模型并采用特征数据集完成训练，实际使用时获取待处理计算任务的任务关键特征，并将待处理计算任务划分为计算任务队列，获取各计算平台所需执行计算任务队列的资源占用量总和，根据资源占用量总和与平台剩余资源量的关系确定计算任务队列的调度执行方式，充分利用了CPU、GPU、NPU等异构计算资源，从而实现了批量计算任务的快速完成，大幅提升整体计算效率和资源利用率。