面向大模型训练与推理的GPU异构集群调度方法及系统

本申请涉及集群调度技术领域，提供了面向大模型训练与推理的GPU异构集群调度方法及系统，通过整合硬件特征、运行状态和历史任务数据等多源信息，运用聚类算法、模糊综合评价法和强化学习等技术，构建了一套完整的集群调度系统，实现了对GPU集群资源的全面、智能且动态的管理与调度，该集群调度系统能够显著提升GPU异构集群在大模型训练与推理任务中的执行效率，提高资源利用率，降低能耗，增强系统的稳定性和适应性，为大规模深度学习应用提供了高效和可靠的解决方案。