公开(公告)号：CN116382599A

公开(公告)日：2023-07-04

申请号：CN202310669715.5

申请日：2023-06-07

Applicant: 之江实验室

Inventor： 侯瑞峥 ,  程稳 ,  李勇 ,  张莹 ,  刘懿 ,  胡陈枢 ,  陈光 ,  曾令仿

IPC: G06F3/06 ,  G06F9/50 ,  G06N3/098 ,  G06N3/084

Abstract: 本说明书公开了一种面向分布式集群的任务执行方法、装置、介质及设备。所述面向分布式集群的任务执行方法包括：获取样本数据，根据磁盘带宽和本地延迟，以及网络带宽和网络延迟，对样本数据的数量进行划分，将第一样本数量的样本数据存储在各计算节点的本地磁盘，将第二样本数量的样本数据存储在存储节点，针对每个计算节点，将该计算节点的本地磁盘中指定数量的样本数据与其他计算节点的本地磁盘中的样本数据进行交换，得到更新后样本数据，以及，从所述存储节点中读取远端样本数据，根据更新后本地样本数据和远端样本数据，在该计算节点上执行当前训练周期针对目标模型的训练任务。

公开(公告)号：CN116301904A

公开(公告)日：2023-06-23

申请号：CN202310559970.4

申请日：2023-05-18

Applicant: 之江实验室

Inventor： 王鹏程 ,  李勇 ,  陈自强 ,  曾令仿 ,  陈光 ,  程稳 ,  吕波 ,  胡陈枢 ,  常璟飞

IPC: G06F8/41 ,  G06N3/006 ,  G06N3/0475 ,  G06N3/08

Abstract: 本发明公开了一种用于深度学习编译器的算子优化加速方法及装置，目的是减少算子优化空间的搜索时间。该方法首先将神经网络抽象成计算图的形式，再对计算图进行图优化，并为优化后的计算图中的每个算子定义优化空间。然后以LightGBM为代价模型，粒子群优化算法为搜索算法对优化空间进行搜索。在每轮搜索中，对搜索算法输出的候选解采用DBSCAN进行聚类和采样，减少在硬件上的实测次数，进一步提升搜索效率。

公开(公告)号：CN116257515A

公开(公告)日：2023-06-13

申请号：CN202310545378.9

申请日：2023-05-16

Applicant: 之江实验室

Inventor： 朱健 ,  陈光 ,  曾令仿 ,  李勇 ,  程稳 ,  刘懿 ,  胡陈枢 ,  常璟飞 ,  黄章敏

IPC: G06F16/215 ,  G06F16/29 ,  G06F18/22 ,  G06F18/241 ,  G06N20/00 ,  G06F40/289

Abstract: 本发明涉及一种基于机器学习的地理兴趣点去重方法、装置和介质，方法包括以下步骤：获取目标地理兴趣点和数据库地理兴趣点；对目标地理兴趣点和数据库地理兴趣点进行预处理，计算对应的相似度特征向量；将该相似度特征向量输入预先训练的地理兴趣点重复判别二分类器中，得到目标地理兴趣点和数据库地理兴趣点是否重复的判别结果；根据目标地理兴趣点和数据库地理兴趣点是否重复的判别结果确定是否将目标地理兴趣点放入数据库中。与现有技术相比，本发明具有可自动化识别两个地理兴趣点是否重复，提高了地理兴趣点重复判别的准确率等优点。

公开(公告)号：CN116204387A

公开(公告)日：2023-06-02

申请号：CN202310461391.6

申请日：2023-04-26

Applicant: 之江实验室

Inventor： 刘懿 ,  程稳 ,  蔡志翔 ,  陈光 ,  曾令仿 ,  李勇 ,  崔钰 ,  吕波 ,  陈晨

IPC: G06F11/30 ,  G06F17/18

Abstract: 本说明书公开了一种芯片电流的预测方法、装置、介质及电子设备，采用可解释人工智能技术，获取芯片中的任务负载状态以及指令集，该任务负载状态包括运算单元任务负载状态和缓存单元任务负载状态。将该芯片的任务负载状态输入到第一回归模型，以使第一回归模型确定该芯片维持该任务负载状态的所需电流。并将该指令集输入第二回归模型，以使第二回归模型确定该芯片执行该指令集中的指令后的电流变化值。根据该芯片维持该任务负载状态的所需电流以及该芯片执行该指令集中包含的指令后的电流变化值，以确定该芯片的增量电流。实现了对芯片维持作业的电流的预测，且因为第一回归模型与第二回归模型具备可解释性，提高了预测电流作业的可靠性及可控性。

公开(公告)号：CN116186330A

公开(公告)日：2023-05-30

申请号：CN202310442154.5

申请日：2023-04-23

Applicant: 之江实验室

Inventor： 朱健 ,  陈光 ,  曾令仿 ,  李勇 ,  程稳

IPC: G06F16/783 ,  G06V10/80

Abstract: 本说明书公开了一种基于多模态学习的视频去重方法及装置，可以获取视频存储请求，而后，可以根据视频存储请求，确定待检测视频，以及确定数据库中的目标视频，进而，将待检测视频、待检测视频的文本相关信息输入到预先训练的识别模型中的第一特征提取网络，提取待检测视频的视觉‑文本多模态特征，将目标视频和目标视频的文本相关信息输入识别模型的第二特征提取网络，提取目标视频的视觉‑文本多模态特征。将待检测视频的视觉‑文本多模态特征以及目标视频的视觉‑文本多模态特征输入到识别模型中的重复检测子网络，得到重复检测结果，并根据该重复检测结果，确定是否将待检测视频存储在数据库中，从而能够提高视频去重的准确性。