公开(公告)号：CN120067600A

公开(公告)日：2025-05-30

申请号：CN202510526798.1

申请日：2025-04-25

Applicant: 成都信息工程大学

Inventor： 黄占鳌 ,  方腾 ,  肖伟 ,  李孝杰 ,  杨善敏 ,  符颖 ,  周峥 ,  吴锡 ,  黄小猛

IPC: G06F18/20 ,  G06F18/214 ,  G06N20/20 ,  G06N3/098 ,  G01W1/10

Abstract: 本发明属于气象预报技术领域，公开了一种低计算资源下的气象预报大模型快速预报方法、系统、设备、介质及终端。基于神经网络的微调技术、利用集成思想，针对现有大模型的大参数量训练对数据、计算资源要求高且训练难等问题，面向气象领域，设计一种低计算资源下的大模型快速预报方法，突破现有大模型训练的技术壁垒，实现低计算资源下从零开始快速预报出有效的大模型。本发明可实现低计算资源下的大模型快速预报，避免了现有大模型训练的高计算资源要求。本发明通过集成多种小模型的方式构成大模型，解决了现有大模型大参数量训练难的问题。本发明聚焦于气象领域的预报模型，对其他领域同样适用。

公开(公告)号：CN119599857A

公开(公告)日：2025-03-11

申请号：CN202411641402.X

申请日：2024-11-18

Applicant: 成都信息工程大学

Inventor： 顾记清 ,  彭静 ,  王铁军 ,  周峥 ,  吴锡

IPC: G06T1/20 ,  G06F9/50 ,  G06N20/00

Abstract: 本发明涉及一种基于元学习和强化学习结合的异构GPU资源调度方法与系统，旨在提高大模型训练与推理中的计算资源利用效率，提升任务的适应能力和系统的响应速度。本发明通过任务特征提取、元学习策略初始化、强化学习调度优化、任务调度执行、动态策略调整五个步骤来实现GPU资源的高效调度。其中，元学习模块利用历史任务积累的知识，生成初始调度策略，减少了探索时间；强化学习模块通过环境反馈不断优化调度策略，实现任务的高效分配。系统能够根据不同任务需求和GPU硬件资源的动态变化自适应调整策略，从而实现更高的资源利用率和整体性能优化。