公开(公告)号：CN117130693B

公开(公告)日：2024-02-13

申请号：CN202311397785.6

申请日：2023-10-26

Applicant: 之江实验室

Inventor： 李勇 ,  程稳 ,  刘懿 ,  吴运翔 ,  朱健 ,  吕波 ,  常璟飞 ,  黄章敏 ,  陈光 ,  曾令仿

IPC: G06F9/445 ,  G06F9/50

Abstract: 本申请涉及一种张量卸载方法、装置、计算机设备及存储介质。所述方法包括：获取张量特征信息，所述张量特征信息包括待训练模型每层的显存容量需求、计算间隔以及计算延迟信息；基于预设卸载策略和所述显存容量需求确定显存约束条件，基于所述预设卸载策略和计算间隔确定卸载时间约束条件，所述预设卸载策略包括主存卸载和重计算卸载；基于所述显存约束条件和卸载时间约束条件筛选所述预设卸载策略，确定多个候选卸载策略；基于所述计算延迟信息确定每个候选卸载策略的额外计算延迟，基于所述额外计算延迟确定目标卸载策略，并基于所述目(56)对比文件卢海峰;顾春华;罗飞;丁炜超;杨婷;郑帅.基于深度强化学习的移动边缘计算任务卸载研究.计算机研究与发展.2020,(第07期),全文.马玮良;彭轩;熊倩;石宣化;金海.深度学习中的内存管理问题研究综述.大数据.2020,(第04期),全文.

公开(公告)号：CN117077817B

公开(公告)日：2024-01-30

申请号：CN202311328295.0

申请日：2023-10-13

Applicant: 之江实验室

Inventor： 黄章敏 ,  孙辰晨 ,  戴雨洋 ,  程稳 ,  李勇 ,  曾令仿

IPC: G06N20/00 ,  G06N3/098 ,  G06F18/214 ,  G06F18/23213 ,  G06F18/25 ,  G06F18/22

Abstract: 本说明书公开了一种基于标签分布的个性化联邦学习模型训练方法及装置。所述任务执行方法包括：根据获取到的目标模型的初始化模型参数，针对每个客户端，将初始化模型参数发送给该客户端，以使该客户端在本地部署待训练模型，并通过该客户端的本地数据，对待训练模型进行训练，并获取各客户端训练更新后的模型参数，以及每个客户端训练各自的待训练模型时所使用的本地数据的标签分布，以得到每个客户端对应的客户端簇。针对每个客户端，融合该客户端对应的客户端簇中包含的各客户端发送的更新后的模型参数，并将融合后参数下发给该客户端，以使该客户端根据所述融合后参数，对本地(56)对比文件CN 115577360 A,2023.01.06CN 116471286 A,2023.07.21CN 113033820 A,2021.06.25CN 114758784 A,2022.07.15WO 2022162677 A1,2022.08.04WO 2022111639 A1,2022.06.02Sarhad Arisdakessian 等.TowardsInstant Clustering Approach for FederatedLearning Client Selection《.2023International Conference on Computing,Networking and Communications (ICNC)》.2023,409-413.郑美光 等.基于互信息软聚类的个性化联邦学习算法《.计算机工程》.2023,第49卷(第8期),20-28.何杨.物联网中基于联邦学习的数据共享关键技术研究 《.中国优秀硕士学位论文全文数据库 信息科技辑》.2023,第2023年卷(第2期),I136-1293.Pu Tian 等.WSCC: A Weight-Similarity-Based Client Clustering Approach for Non-IID Federated Learning《.IEEE Internet ofThings Iournal》.2022,第9卷(第20期),20243-20256.

公开(公告)号：CN117057442A

公开(公告)日：2023-11-14

申请号：CN202311298511.1

申请日：2023-10-09

Applicant: 之江实验室

Inventor： 黄章敏 ,  孙辰晨 ,  戴雨洋 ,  李勇 ,  张莹 ,  程稳 ,  陈光 ,  曾令仿

IPC: G06N20/00 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82

Abstract: 本说明书公开了一种基于联邦多任务学习的模型训练方法、装置及设备，中心服务器将各客户端对应的初始模型参数发送给各客户端，以使各客户端对基于各自的初始模型参数得到的模型进行训练，并将训练后的模型的优化模型参数返回给中心服务器，中心服务器根据各客户端对应的优化模型参数，确定各客户端对应的对优化模型参数进行加权的权重，并根据各客户端对应的对各优化模型参数进行加权的权重，确定适用于各客户端的模型参数，得到适用于各客户端的模型。由于各客户端的数据分布存在差异，因此本方法在模型的每次迭代训练过程中，根据权重确定各客户端的模型参数，使得各客户端得到更加泛化的模型的同时，可得到适用于各自数据分布的个性化模型。

公开(公告)号：CN116721399A

公开(公告)日：2023-09-08

申请号：CN202310925867.7

申请日：2023-07-26

Applicant: 之江实验室

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

IPC: G06V20/56 ,  G06V20/58 ,  G06V20/70 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0495 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本说明书公开了一种量化感知训练的点云目标检测方法及装置，可以获取训练样本，将训练样本中的点云样本数据输入到全精度网络中，得到目标检测结果，以对全精度网络进行训练，得到训练后的全精度网络，而后，将训练后的全精度网络进行模型量化，得到量化后网络，量化后网络的参数精度低于全精度网络的参数精度，而后，将训练样本输入到量化后网络中，得到量化后网络得到的目标检测结果，根据标注信息和目标检测结果，对量化后网络进行参数微调训练，得到训练后的量化后网络，最后，将训练后的量化后网络部署在无人驾驶设备中，以使无人驾驶设备通过量化后网络进行点云目标检测，从而在保证准确性的情况下提高了无人驾驶设备的点云检测效率。

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。