特許ウォッチ

公開番号2025167786
公報種別公開特許公報(A)
公開日2025-11-07
出願番号2024072697
出願日2024-04-26
発明の名称スケジューリングプログラム,情報処理装置およびスケジューリング方法
出願人富士通株式会社
代理人弁理士法人真田特許事務所,個人
主分類G06F 9/50 20060101AFI20251030BHJP(計算;計数)
要約【課題】プロセスに効率的にGPUを割り当てることができるようにする。
【解決手段】深層学習モデルについての処理対象のジョブに関する情報に基づき、深層学習モデルの種類とバッチサイズと加速率とを対応付けたプログラムの実行履歴107を参照して、深層学習モデルの実行に伴う加速率の予測を行ない、この加速率の予測結果に基づいて、計算リソース10bに割り付けるプログラムの順序の決定をする。
【選択図】図1
特許請求の範囲【請求項１】
深層学習モデルについての処理対象のジョブに関する情報に基づき、深層学習モデルの種類とバッチサイズと加速率とを対応付けたプログラムの実行履歴を参照して、前記深層学習モデルの実行に伴う加速率の予測を行ない、
前記加速率の予測結果に基づいて、計算リソースに割り付けるプログラムの順序の決定をする
処理をコンピュータに実行させることを特徴とするスケジューリングプログラム。
続きを表示（約 570 文字）【請求項２】
前記加速率の予測結果について、ジョブ毎に整合性の確認を行ない、
前記整合性の確認の結果、前記加速率の予測結果が整合性を有しないと判断した場合に、整合性を有しないと判断したジョブについて、優先度を算出する
処理を前記コンピュータに実行させることを特徴とする請求項１に記載のスケジューリングプログラム。
【請求項３】
深層学習モデルについての処理対象のジョブに関する情報に基づき、深層学習モデルの種類とバッチサイズと加速率とを対応付けたプログラムの実行履歴を参照して、前記深層学習モデルの実行に伴う加速率の予測を行ない、
前記加速率の予測結果に基づいて、計算リソースに割り付けるプログラムの順序の決定をする
処理を実行する制御部を有することを特徴とする情報処理装置。
【請求項４】
深層学習モデルについての処理対象のジョブに関する情報に基づき、深層学習モデルの種類とバッチサイズと加速率とを対応付けたプログラムの実行履歴を参照して、前記深層学習モデルの実行に伴う加速率の予測を行ない、
前記加速率の予測結果に基づいて、計算リソースに割り付けるプログラムの順序の決定をする
処理をコンピュータが実行することを特徴とするスケジューリング方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、スケジューリングプログラム，情報処理装置およびスケジューリング方法に関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
深層学習アプリケーション（以下、深層学習アプリという）の実行に、ＣＰＵ（Central Processing Unit）に代えてＧＰＵ（Graphics Processing Unit）を用いることで、処理性能が向上することが知られている（例えば、特許文献１）。近年においては、深層学習アプリの実行にＧＰＵは必須であるといってよい。
【０００３】
ＧＰＵはＣＰＵに比べて単価が高いため、少ない数のＧＰＵを複数のプロセス間でうまく共有して使うことが重要である。
【０００４】
Slurm等の既知のジョブスケジューラにおいては、ＧＰＵをプロセス実行開始から終了まで占有させ続けるため、ＧＰＵ数を超えるジョブを同時に実行させることはできない。ＧＰＵを確保できないジョブはジョブキューに投入され、ＧＰＵを利用中のプロセスが完全に終了するまで待機することとなる。もしくは、ＧＰＵよりも処理性能が劣るＣＰＵによりジョブを処理させる。
【０００５】
また、ＧＰＵを効率的に利用する手法として、ＧＰＵプリエンプションが知られている。ＧＰＵプリエンプションにおいては、ＧＰＵ利用中のジョブを外部から停止させ、他のジョブにＧＰＵの利用権を移譲することを可能とする。このようなＧＰＵプリエンプションを定期的に行なうことで、時間単位でＧＰＵ利用プロセスを切り替えることができ、後続するジョブが、先行ジョブが完全に停止するまで待たずにＧＰＵを利用することができる。
【先行技術文献】
【特許文献】
【０００６】
特表２０２２－５１５３０２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
ＣＰＵとＧＰＵの切り替えコストや実行時間コストを削減し、プロセスを効率的に処理することが望まれている。
【０００８】
１つの側面では、本発明は、プロセスに効率的にＧＰＵを割り当てることができるようにすることを目的とする。
【課題を解決するための手段】
【０００９】
このため、このスケジューリングプログラムは、深層学習モデルについての処理対象のジョブに関する情報に基づき、深層学習モデルの種類とバッチサイズと加速率とを対応付けたプログラムの実行履歴を参照して、前記深層学習モデルの実行に伴う加速率の予測を行ない、前記加速率の予測結果に基づいて、計算リソースに割り付けるプログラムの順序の決定をする処理をコンピュータに実行させる。
【発明の効果】
【００１０】
一実施形態によれば、プロセスに効率的に計算リソースを割り当てることができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許