-
公开(公告)号：CN117009092A
公开(公告)日：2023-11-07
申请号：CN202311278281.2
申请日：2023-10-07
Applicant: 之江实验室
Abstract: 基于多重多臂老虎机的编译时间资源动态分配方法及系统，其方法包括：步骤1，获取待编译的深度学习模型，对模型进行计算图级别优化，并进行图切分；步骤2，分配深度学习模型整体编译时间，并对时间资源进行分块；步骤3，遍历多个计算子图或算子，对当前某个计算子图或算子采集其历史编译特征信息；步骤4，设置分配决策模型参数进行训练或更新，并对当前计算子图或算子的潜力进行预测；步骤5，采用强化学习技术选择当前最具潜力的计算子图或算子；步骤6，为最具优化潜力的计算子图或算子分配相应的时间资源，并进行自动调优，同时收集当前计算子图或算子的实时编译特征信息；步骤7，返回步骤2，重新开始下一个时间块资源的动态分配。
-
公开(公告)号：CN116306856A
公开(公告)日：2023-06-23
申请号：CN202310557259.5
申请日：2023-05-17
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于搜索的深度学习模型部署方法及装置，可以获取深度学习模型所对应的计算图，确定计算图中包括的算子，并确定每个算子匹配的硬件资源，而后，根据各算子匹配的硬件资源，构建搜索空间，从搜索空间中选取出目标样本，并确定目标样本对应的运行时长，以及确定目标样本对应的邻域样本，并确定邻域样本对应的运行时长，若邻域样本对应的运行时长短于目标样本的运行时长，将邻域样本作为重新确定出的目标样本，并继续确定目标样本对应的邻域样本以及对应的运行时长，直到满足预设迭代终止条件为止，按照目标样本所对应的分配方案，对深度学习模型的算子进行硬件资源的分配，以进行部署，本方法可以提高深度学习模型的计算效率。
-
公开(公告)号：CN117032936A
公开(公告)日：2023-11-10
申请号：CN202311267177.3
申请日：2023-09-28
Applicant: 之江实验室
IPC: G06F9/48 , G06F9/50 , G06F18/214 , G06N3/006
Abstract: 本申请涉及一种数据调度方法、装置和计算机设备。所述方法包括：对TPU上的数据进行分块，将加载时间和卸载时间均相同的数据划分为同一数据块；基于数据块所对应的加载时间和卸载时间，得到数据调度模型的初始参数；基于每块TPU存储量的大小，得到数据块占用TPU数量的时间分布；根据数据块占用TPU数量的时间分布，计算资源消耗量；利用粒子群优化算法，对初始数据调度模型的参数进行优化训练，直至按照训练后的数据调度模型进行数据调度的资源消耗量，达到按照预设的最少的TPU数量计算得到的资源消耗量时，停止训练，得到完备数据调度模型；基于完备数据调度模型，对TPU上的数据块进行数据调度。采用本方法能够解决计算机的计算资源消耗高的问题。
-
公开(公告)号：CN116779021A
公开(公告)日：2023-09-19
申请号：CN202310329242.4
申请日：2023-03-29
Applicant: 之江实验室
IPC: G16B15/30 , G16B30/00 , G16C20/50 , G06N3/0464 , G06N3/08
Abstract: 一种基于自动特征交叉的药物靶标结合亲和力预测方法，包括：获取药物分子SMILES序列、靶标蛋白氨基酸序列以及固有属性特征；将SMILES序列表示为基于原子和化学键构成的图；分别对药物分子图和氨基酸序列表征学习，获得药物分子的特征嵌入和氨基酸的特征嵌入；对药物分子及靶标蛋白的类别型固有属性特征进行嵌入表征，获得类型型固有属性特征嵌入；使用SENet对前述步骤各类特征嵌入进行相关性建模，动态学习特征重要性；采用自动特征交叉方法对筛选的特征进行特征交叉；基于筛选特征和交叉特征，获得药物分子与靶标蛋白的结合亲和力预测值。本发明能够自适应的学习和融合药物分子和靶标蛋白的特征信息，大大提升了药物分子与靶标蛋白结合亲和力预测的准确度。
-
公开(公告)号：CN116502679B
公开(公告)日：2023-09-05
申请号：CN202310543696.1
申请日：2023-05-15
Applicant: 之江实验室
IPC: G06N3/0464 , G06N3/063 , G06N3/08
Abstract: 本说明书公开了一种模型构建方法、装置、存储介质及电子设备，可以对需要进行测试的各候选模型架构进行筛选，以筛选出通过代理模型预测出的性能参数的准确率较低的部分候选模型架构，来通过部署测试模型的方式获得该候选模型架构的真实性能参数，而针对剩余的候选模型架构，可以直接通过代理模型来获取出性能参数，并且可以通过主动学习的方法，在线对代理模型进行训练，从而可以在保证候选模型架构的性能评估准确率的同时，提升自动化构建深度学习模型的效率。
-
Patent Agency Ranking
公开(公告)号：CN116301904B
公开(公告)日：2023-08-22
申请号：CN202310559970.4
申请日：2023-05-18
Applicant: 之江实验室
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：CN116304720A
公开(公告)日：2023-06-23
申请号：CN202310564363.7
申请日：2023-05-18
Applicant: 之江实验室
IPC: G06F18/214 , G06N20/00
Abstract: 本说明书公开了一种代价模型训练的方法、装置、存储介质及电子设备。本方法使用各算子的特征以及各硬件平台的特征构造训练样本，并针对每个算子，将该算子的运行代码在各硬件平台上的实际运行时间作为该算子对应的训练样本的标注。将训练样本输入代价模型的特征提取层，通过各硬件平台对应的门控网络层的加权矩阵，确定训练样本对应各硬件平台的预测运行时间，根据预测运行时间与实际运行时间之间的差异训练代价模型。通过将各硬件平台的特征加入训练样本、在代价模型中增加针对各硬件平台的门控网络以及针对各硬件平台的输出层等创新的方式，训练得到适用于多个硬件平台的代价模型。
-
公开(公告)号：CN119785161A
公开(公告)日：2025-04-08
申请号：CN202510274959.2
申请日：2025-03-10
Applicant: 之江实验室
Abstract: 本说明书公开了一种遥感影像融合方法、装置、存储介质及电子设备。在采用本说明书提供的遥感影像融合方法实现卫星采集的多光谱影像与全色影像之间的融合时，可首先对多光谱影像和全色影像进行分块处理，得到多光谱影像子图与全色影像子图；随后对描述相同区域的多光谱影像子图和全色影像子图进行融合，得到融合影像子图；最终合并各融合影像子图得到目标融合影像。采用本方法可使遥感影像融合的全过程在星载计算机上实现，充分利用星载计算机的空闲算力的同时，大幅减少了星地见传输时需要传输的数据量，有效提高了遥感影像融合的效果和效率，减少了传输成本，且保证了目标融合影像的数据时效性。
-
公开(公告)号：CN119271503A
公开(公告)日：2025-01-07
申请号：CN202411822096.X
申请日：2024-12-11
Applicant: 之江实验室
Abstract: 本说明书公开了一种卫星抗单粒子效应任务执行方法、装置、介质及设备，在卫星在轨道上运行期间，定时根据目标软件程序的监控参数，对目标软件程序进行异常检测，得到目标软件程序的异常检测结果，并在确定目标软件程序出现异常时，自主从预设的指定存储介质中，获取预先存储的目标软件程序对应的版本记录数据，根据版本记录数据，确定卫星上先前安装的历史版本的软件程序，并将目标软件程序回退为上一版本的软件程序，以提升卫星在轨道上运行时出现异常的处理效率，进而提升卫星在的运行过程中的安全性。
-
公开(公告)号：CN116306856B
公开(公告)日：2023-09-05
申请号：CN202310557259.5
申请日：2023-05-17
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于搜索的深度学习模型部署方法及装置，可以获取深度学习模型所对应的计算图，确定计算图中包括的算子，并确定每个算子匹配的硬件资源，而后，根据各算子匹配的硬件资源，构建搜索空间，从搜索空间中选取出目标样本，并确定目标样本对应的运行时长，以及确定目标样本对应的邻域样本，并确定邻域样本对应的运行时长，若邻域样本对应的运行时长短于目标样本的运行时长，将邻域样本作为重新确定出的目标样本，并继续确定目标样本对应的邻域样本以及对应的运行时长，直到满足预设迭代终止条件为止，按照目标样本所对应的分配方案，对深度学习模型的算子进行硬件资源的分配，以进行部署，本方法可以提高深度学习模型的计算效率。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.035 seconds)
