一种基于GPU上异构脉冲神经网络任务调度方法及系统

本发明公开了一种基于GPU上异构脉冲神经网络任务调度方法及系统，将调度问题建模为带约束的奖励最大化任务，以优化资源分配和参数调整。本发明提出的基于优先级的多抢占式调度框架采用动态优先级计算、自适应时间切分机制和开销感知优化策略，动态管理GPU上的异构SNN任务。本发明通过大量仿真实验验证了该方法的有效性，测试了不同复杂度比例、到达模式、负载水平和时间片配置下的性能。结果表明，本发明提出的基于优先级的多抢占式调度框架在能效、吞吐量和资源利用率方面均优于现有调度算法。这项工作推动了SNN工作负载在服务计算环境中的实际应用，促进了更高效、可扩展的神经形态计算解决方案的发展。