-
公开(公告)号：CN114021708B
公开(公告)日：2023-08-01
申请号：CN202111165135.X
申请日：2021-09-30
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种数据处理方法、装置、系统、电子设备及计算机可读存储介质，该方法包括：获取设置指令，并根据设置指令设置计算网络；设置指令用于设置计算网络中各个计算核之间的数据流向；获取至少一个特征值，并将至少一个特征值分别输入计算网络中的至少一个起始计算核；以起始计算核为起点，按照数据流向传输特征值；利用各个计算核，基于特征值和对应的权重值生成计算结果；该方法通过设置指令设置计算网络中各个计算核之间的数据流向，使得数据在不同级之间流动，或者在同级之间流动，使得整个计算网络无论在处理什么形状的网络模型时，都能够被百分百全面利用。
-
公开(公告)号：CN116257760A
公开(公告)日：2023-06-13
申请号：CN202310526511.6
申请日：2023-05-11
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/214 , G06F18/22 , G06F18/24 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种数据划分方法、系统、设备及计算机可读存储介质，涉及数据处理技术领域，获取目标数据集；基于数据的标签信息将目标数据集划分为第一数据集及第二数据集；基于数据的特征信息将第一数据集划分为目标数量的初始子数据集；确定各个初始子数据集的中心数据；确定第二数据集中至少一个第二数据与至少一个中心数据间的关联等级，关联等级基于第二数据与中心数据间关联的数据个数确定；对于第二数据，将与第二数据对应且等级最低的关联等级作为第二数据的目标关联等级，将第二数据划分至目标关联等级对应的中心数据所在的初始子数据集中，得到目标子数据集；实现了对目标数据集进行特征信息均衡及关联均衡的划分，数据划分效果好。
-
公开(公告)号：CN116226388A
公开(公告)日：2023-06-06
申请号：CN202310509057.3
申请日：2023-05-08
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/35 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/084 , G06N3/088
Abstract: 本申请公开了一种文献分类方法、一种图神经网络训练方法及相关组件，应用于数据处理技术领域，包括：获取n篇文献作为一组训练样本，并将文献类别作为标签；得到训练样本的特征提取结果；确定出用于反映训练样本中的n篇文献之间的引用关系的第一信息，以及用于反映训练样本中的n篇文献之间的相似度的第二信息；将特征提取结果，第一信息及第二信息输入至预设的图神经网络，得到图神经网络所输出的针对训练样本中的n篇文献的类别预测结果；基于类别预测结果更新图神经网络的参数，并返回执行获取n篇文献作为一组训练样本的操作，直到图神经网络训练完成。应用本申请的方案，提高了文献分类的准确率。
-
公开(公告)号：CN111723907B
公开(公告)日：2023-02-24
申请号：CN202010529654.9
申请日：2020-06-11
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/0464 , G06N3/063 , G06N3/08
Abstract: 本申请公开了一种模型训练设备、方法、系统及计算机可读存储介质，设备包括高带宽存储器组，用于存储待训练数据；全局存储器，用于存储目标模型的模型参数；与高带宽存储器组及全局存储器连接的处理器，用于基于目标模型的训练算法对待训练数据和全局存储器中存储的初始模型参数进行运算，得到目标模型参数并存储至全局存储器；且处理器基于片上网络搭建。本申请中，由于高带宽存储器的存储容量较大，所以可以存储较多的待训练数据，降低对高带宽存储器的读写次数，并且处理器基于片上网络搭建，所以处理器可以借助片上网络在自身内部传输相应数据，降低了对待传输数据的读写频率，与现有技术相比，可以提高模型的训练效率。
-
公开(公告)号：CN114862683A
公开(公告)日：2022-08-05
申请号：CN202210791426.8
申请日：2022-07-07
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06T3/40 , G06T7/11 , G06V10/774
Abstract: 本申请涉及大场景超分辨率图像目标检测技术领域，公开了一种模型生成方法、目标检测方法、装置、设备及介质，模型生成方法包括：利用各超分辨率图像的真实框构成各图像的样本集合；从样本集合中选择一真实框，根据选择的真实框对超分辨率图像裁切，得到裁切图像；从超分辨率图像的样本集合中删除裁切图像包含的真实框，返回执行从样本集合中选择一真实框的步骤，直至样本集合为空集；利用各超分辨率图像的裁切图像及其包含的真实框作为第一训练集，对第一模型进行训练，得到第一目标检测模型。本申请公开的技术方案，通过每次从样本集合中删除裁切图像包含的真实框及重复执行至样本集合为空集解决过采样和欠采样问题，提高模型性能。
-
Patent Agency Ranking
公开(公告)号：CN114021708A
公开(公告)日：2022-02-08
申请号：CN202111165135.X
申请日：2021-09-30
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种数据处理方法、装置、系统、电子设备及计算机可读存储介质，该方法包括：获取设置指令，并根据设置指令设置计算网络；设置指令用于设置计算网络中各个计算核之间的数据流向；获取至少一个特征值，并将至少一个特征值分别输入计算网络中的至少一个起始计算核；以起始计算核为起点，按照数据流向传输特征值；利用各个计算核，基于特征值和对应的权重值生成计算结果；该方法通过设置指令设置计算网络中各个计算核之间的数据流向，使得数据在不同级之间流动，或者在同级之间流动，使得整个计算网络无论在处理什么形状的网络模型时，都能够被百分百全面利用。
-
公开(公告)号：CN119721153A
公开(公告)日：2025-03-28
申请号：CN202510245688.8
申请日：2025-03-04
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种强化学习加速器、加速方法及电子设备，涉及加速器技术领域，包括：控制器将当前图像和历史图像特征分别写入对应输入缓存，将指令序列写入指令控制部件，指令控制部件接收指令序列并下发给参数分发部件，参数分发部件对指令序列进行解析后，将计算层访存参数、计算参数及启动指令分发到计算部件。计算部件在接收到启动指令后，依次读取输入缓存中的特征数据，访存参数和计算参数进行计算处理，使得计算部件能够根据不同的参数灵活地执行各类计算任务。整个加速器深度分析了强化学习模型的特点，能完整、高效、紧凑地支持该网络各层计算，提高该类模型的处理效率，避免交互时延，同时降低加速器的资源使用率。
-
公开(公告)号：CN116681122A
公开(公告)日：2023-09-01
申请号：CN202310686783.2
申请日：2023-06-09
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/082 , G06N3/096 , G06N3/0464 , G06V10/82
Abstract: 本申请公开了一种图像识别网络效率加速方法、装置、设备及介质，涉及神经网络轻量化与图像识别加速领域，包括：获取初始图像识别网络，并确定出与初始图像识别网络对应的初始卷积核权重；对初始图像识别网络分别进行随机输入通道剪枝操作和随机剪枝操作，以得到初始图像识别网络和图像识别网络之间的第一最大均值差异值的均值和第二最大均值差异值；确定出第二最大均值差异值和均值之间的大小关系，若第二最大均值差异值不大于均值，则构建第一优化函数，对第一优化函数进行求解，以得到卷积核权重改变量，基于卷积核权重改变量对初始卷积核权重进行更新，以便对图像识别网络效率进行加速。本申请能够实现结构化图像识别网络压缩与加速。
-
公开(公告)号：CN110516790B
公开(公告)日：2023-08-22
申请号：CN201910760810.X
申请日：2019-08-16
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/0464 , G06N3/063 , G06N3/08
Abstract: 本发明公开了一种卷积网络加速方法、装置及系统，包括获取预先存储的固定长度指令集，固定长度指令集为预先基于待处理卷积网络的结构和参数信息建立的；固定长度指令集中包括多个固定长度赋值指令和固定长度操作指令，每个固定长度赋值指令和每个固定长度操作指令分别对应至少一个寄存器；依据与固定长度赋值指令对应的寄存器值对相应的固定长度操作指令的寄存器进行赋值，以便依据寄存器的寄存器值确定相应的指令参数；固定长度赋值指令对应的寄存器值为依据卷积网络的参数信息确定的；依据与固定长度操作指令对应的寄存器值获取相应的指令参数，并根据指令参数执行相应的操作；本发明节约内存、使用灵活性强、编译和映射的效率高、难度低。
-
公开(公告)号：CN116257760B
公开(公告)日：2023-08-11
申请号：CN202310526511.6
申请日：2023-05-11
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/214 , G06F18/22 , G06F18/24 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种数据划分方法、系统、设备及计算机可读存储介质，涉及数据处理技术领域，获取目标数据集；基于数据的标签信息将目标数据集划分为第一数据集及第二数据集；基于数据的特征信息将第一数据集划分为目标数量的初始子数据集；确定各个初始子数据集的中心数据；确定第二数据集中至少一个第二数据与至少一个中心数据间的关联等级，关联等级基于第二数据与中心数据间关联的数据个数确定；对于第二数据，将与第二数据对应且等级最低的关联等级作为第二数据的目标关联等级，将第二数据划分至目标关联等级对应的中心数据所在的初始子数据集中，得到目标子数据集；实现了对目标数据集进行特征信息均衡及关联均衡的划分，数据划分效果好。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.041 seconds)
