基于深度学习框架网络的异构计算加速方法及系统

本申请涉及数据处理技术领域，公开了一种基于深度学习框架网络的异构计算加速方法及系统。该方法包括：对异构计算设备进行性能参数采集，得到设备特性数据集；接收计算任务并解析为操作序列；将操作序列编码为基因序列，通过遗传重组算法优化任务分解，得到标记有加速特性的子任务集合；对子任务集合与设备特性数据集进行匹配分析，得到任务分配方案；根据分配方案将子任务部署到对应设备上，得到分布式执行框架；对框架运行状态进行实时监控，动态调整资源分配，得到加速比提升的计算结果。本申请能够实现自适应的任务分解与资源分配及动态负载均衡机制，提高深度学习任务的执行效率及资源利用率。