-
公开(公告)号：CN116992032A
公开(公告)日：2023-11-03
申请号：CN202311235665.6
申请日：2023-09-25
Applicant: 之江实验室
IPC: G06F16/35 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种基于模型自动量化的文本分类方法、系统和存储介质，其中，上述方法包括：基于文本特征数据，得到初始神经网络；获取初始神经网络在目标卷积层的输入值和输出值；根据输入值，获取第一激活值；根据转移因子、第一激活值和第一权重值得到平滑系数；根据平滑系数，得到目标卷积层输出和初始神经网络在目标卷积层的输出值的均方误差集合，进而得到目标平滑系数；根据目标平滑系数对应得到目标神经网络模型，用于对待分类文本数据进行分类。通过本申请，解决了相关技术中存在的通过传统模型量化方法生成的文本分类神经网络模型的学习效果较差，导致文本分类的准确度较低问题，提高了文本分类的准确度。
-
公开(公告)号：CN116991388A
公开(公告)日：2023-11-03
申请号：CN202311252630.3
申请日：2023-09-26
Applicant: 之江实验室
Abstract: 本申请公开了一种深度学习编译器的图优化序列生成方法及装置，通过预先训练完成的序列生成模型，根据目标模型的图中间表示，确定各优化策略分别对应的优化特征，再通过序列生成模型的解码器，确定各排位分别对应的排位特征，进而基于各排位特征和各优化特征之间的相关度，确定各排位分别对应的优化策略，以此来确定目标序列。本申请可根据各优化策略确定出各排位分别对应的排位特征，以此来确定出各排位分别匹配的优化策略，使得确定出的目标序列中包含的优化策略与其对应的排位互相匹配，进而保证基于该目标序列优化得到的目标模型的业务执行效率。
-
公开(公告)号：CN116401502B
公开(公告)日：2023-11-03
申请号：CN202310680737.1
申请日：2023-06-09
Applicant: 之江实验室
IPC: G06F17/15 , G06F15/177
Abstract: 本发明公开了一种基于NUMA系统特性优化Winograd卷积的方法及装置，该方法首先根据输入参数构建内存数据布局；采用缓存分块搜索方法确定数据分块大小；利用CPU的多核心执行Winograd卷积计算：将数据分块读取到CPU高速缓存，依次执行输入转换、矩阵乘法和输出转换，再将数据分块写回内存。进一步优化Winograd卷积的内存访问从而提升其在NUMA系统上的性能表现。
-
公开(公告)号：CN116932092A
公开(公告)日：2023-10-24
申请号：CN202311202669.4
申请日：2023-09-18
Applicant: 之江实验室
Abstract: 本说明书公开了一种算子调用代码自动生成的方法、装置、介质及设备。所述方法包括：获取后端硬件平台对应的算子库基本信息以及目标深度学习算法的计算图；根据算子库基本信息生成算子调用代码的代码头；对计算图进行解析，确定计算图中的各前端算子；针对每个前端算子，根据该前端算子与算子调用模板之间的映射关系，确定该算子对应算子调用模板的声明语句以及模板函数的调用语句；根据代码头、声明语句、调用语句以及该算子对应的配置信息，生成完整的后端算子的调用代码；根据每个后端算子的调用代码调用各后端算子，以通过各后端算子执行计算任务。
-
公开(公告)号：CN116776135A
公开(公告)日：2023-09-19
申请号：CN202311072802.9
申请日：2023-08-24
Applicant: 之江实验室
IPC: G06F18/2136 , G06N3/0464
Abstract: 本说明书公开了一种基于神经网络模型的物理场数据预测方法及装置，可以根据物理场数据整体在数据空间中各空间区域的数据稀疏情况，来对物理场数据进行划分，得到各分块数据，这样可以将具有计算价值的数据从物理场数据的整体中分割出来，使得预测模型对有价值的分块数据进行计算，以完成物理场数据的预测任务，从而相比于现有技术来说，可以显著的提升预测模型的运算效率。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN116306855B
公开(公告)日：2023-09-01
申请号：CN202310555078.9
申请日：2023-05-17
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于存算一体系统的数据处理方法及装置，根据目标模型确定目标单元的目标数量以及各目标单元对应的控制向量，从存算一体系统的各数据处理单元中选择目标数量的目标单元，进而根据各目标单元对应的控制向量，从各类型的候选操作中，分明别确定各目标单元对应的目标操作，以便将各目标单元的输入分别输入到各目标单元中，对各目标单元的输入采用目标操作执行数据处理，得到目标模型的输出数据。可见，基于目标单元对应的控制向量确定目标单元执行的目标操作的方式，仅通过改变控制向量就能够兼容不同架构的模型，无需进行电路结构的重新设计，扩展了基于存算一体电路的模型推理的场景，并提高了效率。
-
公开(公告)号：CN116663618A
公开(公告)日：2023-08-29
申请号：CN202310941263.1
申请日：2023-07-28
Applicant: 之江实验室
IPC: G06N3/0464 , G06N3/063
Abstract: 本说明书公开了一种算子优化方法、装置、存储介质及电子设备。在本说明书提供的算子优化方法中，获取目标神经网络模型，并确定目标神经网络模型的计算图；针对计算图中每个算子，确定包含该算子所有可行解的搜索空间；在搜索空间中选择若干可行解作为候选解，确定各候选解的评估值，并将评估值最高的作为待定解；确定目标硬件运行待定解的运行时间，并增加迭代次数；当运行时间小于当前最优时间或不存在当前最优时间时，将运行时间确定为当前最优时间，并将待定解确定为当前最优解；当迭代次数小于指定次数时，重新在该算子的搜索空间中选择指定数量个未被选择过的候选解；当迭代次数不小于指定次数时，将当前最优解确定为该算子的最优解。
-
公开(公告)号：CN116628198A
公开(公告)日：2023-08-22
申请号：CN202310515566.7
申请日：2023-05-08
Applicant: 之江实验室
IPC: G06F16/35 , G06F40/169 , G06F40/186
Abstract: 本说明书公开了一种文本生成模型的训练方法、装置、介质及电子设备，包括：先将从通用文本数据集中确定出的原始文本输入预先训练的类型识别模型，确定原始文本的模板标注。再根据模板标注，确定模板标注对应的目标模板。然后，根据原始文本、模板标注以及目标模板，生成训练文本生成模型的训练样本，将输入部分输入待训练的文本生成模型，得到输出文本，以样本标注与输出文本之间的差异最小为训练目标，对待训练的文本生成模型进行训练，增加了训练文本生成模型的训练样本，使得可以在训练样本较少的情况下，训练文本生成模型，使得文本生成模型训练效果好，提高文本生成模型的输出文本的准确性。
-
公开(公告)号：CN116579308A
公开(公告)日：2023-08-11
申请号：CN202310819781.6
申请日：2023-07-06
Applicant: 之江实验室
IPC: G06F40/166 , G06F40/14 , G06F40/109 , G06F40/258 , G06F40/237 , G06F40/284 , G06F40/216
Abstract: 本发明公开了一种演示文稿生成方法及装置，该方法包括：获取生成演示文稿的主题，基于预先构建并训练完成的文本生成模块，得到演示文稿的二级标题和每个二级标题下的文字内容；将所述演示文稿的主题、二级标题和每个二级标题下的文字内容结构化得到若干部分，将每个部分作为一页演示文稿，对除了首页和目录页以外的其他页进行关键词提取；基于提取出的关键词，通过文本生成图像模块生成各页演示文稿对应的配图图像；把划分后的文字内容和对应页的配图图像进行自动排版，得到完整的演示文稿。
-
-
-
-
-
-
-
-
-
Search Results
273
records
(took 0.055 seconds)
