基于智能计算中心的算力进行分布式强化学习训练的方法

本发明涉及智能计算中心、智算中心及算力基础设施技术领域，提供基于智能计算中心的算力进行分布式强化学习训练的方法，方法包括：获取训练数据；将训练数据输入至待训练大模型中，基于训练数据和群体相对策略优化算法，对待训练大模型进行分布式强化学习训练，得到训练结果；其中，分布式强化学习训练中的模型参数更新过程和样本生成过程，均基于多个GPU并行进行。由此，在智能计算中心的算力资源的加持下，通过群体相对策略优化算法和多GPU分布式并行计算，在模型参数量较大时也能够启动训练，可大幅度加速大模型的训练过程，显著提高大模型的训练效率，显著提升大模型的性能。