图像裁剪及模型训练方法、系统、设备、计算机存储介质

    公开(公告)号:CN116721256A

    公开(公告)日:2023-09-08

    申请号:CN202310943356.8

    申请日:2023-07-28

    Abstract: 本发明公开了一种图像裁剪及模型训练方法、系统、设备、计算机存储介质,涉及图像处理领域,获取待裁剪的目标图像及对应的目标标签;确定目标图像的类激活特征;对类激活特征进行聚类,得到聚类结果;对目标图像进行裁剪,得到裁剪图像;根据聚类结果,确定裁剪图像与目标图像间的语义相关性;基于语义相关性及目标标签,确定裁剪图像的裁剪标签。本发明通过对目标图像的类激活特征进行聚类,得到了反映目标图像的特征类型的聚类结果,之后根据各类特征的信息来分析裁剪图像与目标图像间的相似程度,最后再根据裁剪图像与目标图像间的相似程度来为裁剪图像生成标签,保证了裁剪图像与裁剪标签间的一致性,继而保证了图像裁剪的准确性。

    一种通信方法、装置、设备以及计算机可读存储介质

    公开(公告)号:CN115834050A

    公开(公告)日:2023-03-21

    申请号:CN202211448097.3

    申请日:2022-11-18

    Abstract: 本申请公开了一种通信方法、装置、设备以及计算机可读存储介质,涉及数据安全技术领域,包括:根据初始密钥计算得到当前时间对应的密钥;初始密钥包括第一初始密钥与第二初始密钥;第一初始密钥由服务器生成,第二初始密钥由加密专用FPGA加速器生成;根据密钥以及待发送数据,生成数据报文;将数据报文发送给报文接收端;根据验证密钥,生成验证数据报文;验证密钥包括第一验证密钥与第二验证密钥;第一验证密钥从服务器查询得到,第二验证密钥从加密专用FPGA加速器查询得到;将验证数据报文发送给报文接收端,以使报文接收端根据初始密钥与验证数据报文验证数据报文的合法性。该方法能够提升数据安全性,并可适用于多种网络场景。

    一种FPGA云平台使用方法、装置、设备、介质

    公开(公告)号:CN111104363B

    公开(公告)日:2022-04-22

    申请号:CN201911379346.6

    申请日:2019-12-27

    Abstract: 本申请公开了一种FPGA云平台方法、装置、设备、介质,该方法包括:获取允许使用FPGA云平台中的目标FPGA加速卡的授权码和目标FPGA加速卡编号;对所述授权码进行解析,得到目标FPGA加速卡信息;将所述目标FPGA加速卡信息以及目标FPGA加速卡编号分别与目标FPGA加速卡中预存的FPGA加速卡信息以及FPGA加速卡编号进行比对;如果比对结果一致,则将所述目标FPGA加速卡中的预设使用状态位设置为可使用状态;当获取到需要处理的目标内容时,向所述目标FPGA加速卡传输所述目标内容,以利用所述目标FPGA加速卡对所述目标内容进行相应的处理。这样通过本地终端上的客户端利用相应的授权码调用目标FPGA加速卡,能够不受虚拟机和宿主机的限制,节约了使用成本,提高FPGA加速卡的运算效率。

    一种网卡设备及数据传输系统
    14.
    发明公开

    公开(公告)号:CN117648264A

    公开(公告)日:2024-03-05

    申请号:CN202311616379.4

    申请日:2023-11-29

    Abstract: 本发明公开了一种网卡设备及数据传输系统,涉及数据处理领域,为解决数据传输占用主机内存的访问带宽的问题,该网卡设备包括存储模块;描述符队列地址寄存器;计算高速链路硬核模块,用于将主机发送的数据传输至第一数据存储区域,将主机发送的描述符传输至第一描述符存储区域,将主机发送的触发指令传输至网络数据处理模块;网络数据处理模块,用于当接收到触发指令,从描述符队列地址寄存器中获取基地址,基于基地址和触发指令读取第一描述符存储区域中的目标描述符,在第一数据存储区域中读取目标描述符对应的目标数据,将目标数据输出至网络。本发明能够把主机内存的访问带宽留给主机上运行的其他功能使用,提高了主机的整体运行效率。

    深度神经网络模型的链路剪枝方法、装置、设备和介质

    公开(公告)号:CN116992943B

    公开(公告)日:2024-02-09

    申请号:CN202311255746.2

    申请日:2023-09-27

    Abstract: 本发明涉及深度学习技术领域,公开了一种深度神经网络模型的链路剪枝方法、装置、设备和介质,根据待剪枝模型对应的模型图结构,构建第一链路图。在出现具有链接关系的目标相邻顶点时,向第一链路图中填充目标相邻顶点对应的链接关系;直至遍历完第一链路图中的所有相邻顶点,将最终的第一链路图作为第二链路图。基于剪枝需求,从第二链路图中确定出与剪枝需求相关联的所有待剪枝层和剪枝维度,按照各待剪枝层对应的剪枝维度对待剪枝层进行剪枝,从而快速完成待剪枝模型的链路剪枝。通过构建反映各顶点之间链接关系的第二链路图,可以快速自动化实现结构化剪枝策略,极大的提升了模型剪枝的效率。

    深度神经网络模型的链路剪枝方法、装置、设备和介质

    公开(公告)号:CN116992943A

    公开(公告)日:2023-11-03

    申请号:CN202311255746.2

    申请日:2023-09-27

    Abstract: 本发明涉及深度学习技术领域,公开了一种深度神经网络模型的链路剪枝方法、装置、设备和介质,根据待剪枝模型对应的模型图结构,构建第一链路图。在出现具有链接关系的目标相邻顶点时,向第一链路图中填充目标相邻顶点对应的链接关系;直至遍历完第一链路图中的所有相邻顶点,将最终的第一链路图作为第二链路图。基于剪枝需求,从第二链路图中确定出与剪枝需求相关联的所有待剪枝层和剪枝维度,按照各待剪枝层对应的剪枝维度对待剪枝层进行剪枝,从而快速完成待剪枝模型的链路剪枝。通过构建反映各顶点之间链接关系的第二链路图,可以快速自动化实现结构化剪枝策略,极大的提升了模型剪枝的效率。

    数据处理方法、装置、系统及计算机可读存储介质

    公开(公告)号:CN111966496B

    公开(公告)日:2022-06-10

    申请号:CN202010850386.0

    申请日:2020-08-21

    Abstract: 本申请公开了一种数据处理方法、装置、系统及计算机可读存储介质。其中,方法包括按照预设编码规则对各计算任务进行编码,生成用于记录当前计算任务类型、在所属类型任务中的编号和所属用户的编码信息。基于各计算任务的编码信息进行任务划分处理,得到符合预设编码规则的每类计算任务的用户任务集合,基于各用户任务集合、FPGA集群各FPGA加速器的实际功耗值、具有计算能力的FPGA加速器允许数量,按照能耗最小原则调用路径寻优算法将各计算任务分配至云端服务器集群和FPGA集群。根据预设编码规则解析各计算任务所属用户,并将相应的计算结果发送至用户端,从而在确保减轻云端数据中心计算压力的同时实现了充分发挥FPGA加速器的低能耗和并行计算优势。

    一种FPGA云平台使用方法、装置、设备、介质

    公开(公告)号:CN111104363A

    公开(公告)日:2020-05-05

    申请号:CN201911379346.6

    申请日:2019-12-27

    Abstract: 本申请公开了一种FPGA云平台方法、装置、设备、介质,该方法包括:获取允许使用FPGA云平台中的目标FPGA加速卡的授权码和目标FPGA加速卡编号;对所述授权码进行解析,得到目标FPGA加速卡信息;将所述目标FPGA加速卡信息以及目标FPGA加速卡编号分别与目标FPGA加速卡中预存的FPGA加速卡信息以及FPGA加速卡编号进行比对;如果比对结果一致,则将所述目标FPGA加速卡中的预设使用状态位设置为可使用状态;当获取到需要处理的目标内容时,向所述目标FPGA加速卡传输所述目标内容,以利用所述目标FPGA加速卡对所述目标内容进行相应的处理。这样通过本地终端上的客户端利用相应的授权码调用目标FPGA加速卡,能够不受虚拟机和宿主机的限制,节约了使用成本,提高FPGA加速卡的运算效率。

Patent Agency Ranking