-
公开(公告)号:CN117873904A
公开(公告)日:2024-04-12
申请号:CN202410257192.8
申请日:2024-03-07
Abstract: 本发明公开了一种基于t‑分布鲸鱼优化算法生成浮点数测试激励方法和装置,初始化鲸鱼优化算法的参数;初始化鲸鱼种群位置;建立UVM验证平台收集功能覆盖率集合并计算适应度值;更新参数用于鲸鱼个体位置计算;进行第t次迭代,使用收缩包围机制或螺旋更新策略移动鲸鱼个体位置;位置更新,根据鲸鱼个体位置前后适应度值大小决定位置是否替换;采用t‑分布变异算子对种群个体进行扰动计算生成新种群,并更新个体位置;判断是否满足结束条件,如果达到预设的结束条件,则退出整体的算法循环;否则更新参数继续迭代直至满足结束条件。本发明采用鲸鱼优化算法来避免遍历整个搜索空间,朝尽早覆盖所有功能覆盖点的方向前进。
-
公开(公告)号:CN117009729B
公开(公告)日:2024-01-26
申请号:CN202311293166.2
申请日:2023-10-08
Abstract: 本说明书公开了一种基于softmax的数据处理方法及装置,将目标模型部署在服务器中,通过目标模型的前处理层,确定待处理数据对应的目标矩阵,并通过在服务器上运行归一化层的第一算子,确定该目标矩阵中各行数据分别对应的归一化参数,再通过在服务器上运行第二算子,确定该目标矩阵对应的全局最大值和全局指数和,进而当目标模型的后处理层启动时,通过在服务器上运行融合算子,确定目标矩阵的归一化结果,并根据该归一化结果执行该后处理层对应的数据处理任务。本方法中的服务器不需要对目标矩阵中的数据同时进行处理,即可确定出目标矩阵的全局最大值和全局指数和,减少了对服务器的算力的要求,提高了任务处理效率。
-
公开(公告)号:CN115981870B
公开(公告)日:2023-06-13
申请号:CN202310250917.6
申请日:2023-03-10
IPC: G06F9/50
Abstract: 本说明书公开了一种数据处理的方法、装置、存储介质及电子设备。该数据处理的方法包括:获取初始处理模型,并确定初始处理模型中包含的各目标模型算子,针对每个目标模型算子,根据各处理步骤对该模型算子进行拆分,得到该模型算子包含的各子模型算子,根据每个子模型算子和未被拆分的目标模型算子对应的计算顺序,将各子模型算子以及未被拆分的各目标模型算子进行融合,得到至少一个融合算子,根据各融合算子确定优化后处理模型并部署,在接收到数据处理请求后,将获取到的待处理数据输入所述优化后处理模型,以通过所述优化后处理模型对所述待处理数据进行数据处理。
-
公开(公告)号:CN114581781B
公开(公告)日:2022-08-09
申请号:CN202210480814.4
申请日:2022-05-05
Applicant: 之江实验室
Abstract: 本发明公开了一种高分辨率遥感图像的目标检测方法及装置,该方法包括:从传感器获取原始高分辨率遥感图像;从历史检测结果中获取原始高分辨率遥感图像所对应区域以及所述区域向四周扩展预定距离的扩展区域内的目标信息;根据目标信息,对原始高分辨率遥感图像进行自适应的图像分区,得到不同的簇侯检区,进而得到必检区和非必检区;进行必检区的模型选择,生成必检区的目标检测方案;执行目标检测方案,得到必检区的检测结果;判断计算平台是否有多余计算资源以检测非必检区,若有,则进行非必检区的动态分区检测,得到非必检区的检测结果,将必检区的检测结果和非必检区的检测结果合并为目标检测结果,否则将必检区的检测结果作为目标检测结果。
-
公开(公告)号:CN118709802B
公开(公告)日:2024-11-26
申请号:CN202411193882.8
申请日:2024-08-28
Applicant: 之江实验室
IPC: G06N10/70
Abstract: 本说明书公开了一种量子纠错处理方法、装置、存储介质及电子设备。所述量子纠错处理方法包括:确定生成量子纠错码时所需确定的参数类型;根据量子计算设备的算力资源信息,确定基础参数的计算范围;基于计算范围,确定基础参数的若干种取值策略,根据不同类型的基础参数在每种取值策略下的取值,生成至少一种量子纠错码,并将取值作为其对应的基础参数;针对每种量子纠错码,对该量子纠错码及其基础参数进行解析,得到该量子纠错码对应的匹配参数;按照每种量子纠错码对应的基础参数以及匹配参数,在量子纠错码数据库中存储各量子纠错码,以在量子纠错码数据库中查询出与纠错参数相匹配的量子纠错码对待处理数据进行量子纠错处理。
-
公开(公告)号:CN117424827A
公开(公告)日:2024-01-19
申请号:CN202311337191.6
申请日:2023-10-16
Applicant: 之江实验室
IPC: H04L41/16 , H04L67/141 , H04L41/14 , H04L67/1097 , H04L67/146
Abstract: 一种基于分布式深度学习缓存系统的通讯方法和装置,其方法包括:1)初始化应用的软硬件环境:初始化分布式深度学习缓存系统和装置,每个计算节点启动一个服务端管理本地缓存空间;初始化深度学习训练任务,每个节点启动若干客户端;2)客户端与服务端两两建立的网络连接,服务端为每个与其连接的客户端创建一个服务线程;3)在每个训练周期,服务端的每个服务线程只管向网络连接推送样本,客户端自主选择网络连接拉取样本,预处理后发给模型进行训练;4)在用户输入数据上应用模型。本发明能缩短分布式深度学习缓存系统和装置的网络通讯路径,提高网络带宽的利用率。
-
公开(公告)号:CN116827507A
公开(公告)日:2023-09-29
申请号:CN202310321139.5
申请日:2023-03-29
Applicant: 之江实验室
IPC: H04L9/00 , H04L9/06 , G06N3/0455 , G06N3/08
Abstract: 本说明书公开了一种密文破解方法、装置、存储介质及电子设备。在本说明书提供的密文破解方法中,获取待破解密文;将待破解密文输入预先训练的破解模型,通过编码子网提取编码特征;确定待破解密文中的已预测内容和未预测内容,并确定已预测内容对应的已预测明文;将已预测明文输入破解模型,通过解码子网的上下文层提取上下文特征;将编码特征和上下文特征输入解码子网中的预测层,以通过预测层输出预测特征;将预测特征输入破解模型中的输出子网,以通过输出子网得到未预测内容中的至少部分内容对应的明文;根据预测出的明文,重新确定已预测明文,并继续预测待破解密文中的未预测内容,直至预测出待破解密文的所有内容为止。
-
公开(公告)号:CN116501696B
公开(公告)日:2023-09-01
申请号:CN202310790835.0
申请日:2023-06-30
Applicant: 之江实验室
IPC: G06F16/13 , G06F16/172 , G06F16/901 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种适用于分布式深度学习训练预取缓存管理的方法和装置,包括:深度学习任务初始化时,初始化预取缓存空间;在深度学习训练任务每个轮次训练开始前,生成轮次的洗牌序列,按照该洗牌序列构建缓存索引;在深度学习训练任务进行训练时,根据缓存索引,从预取缓存空间中获取数据,若缓存未命中,则以存储节点为划分依据,到分布式存储中进行批量预取;在预取缓存空间已用容量达到指定阈值时启动缓存淘汰,淘汰掉缓存命中的数据。该方法和装置以存储节点为划分依据进行批量预取,减少了节点之间的通信次数,提高了通信效率,同时,对缓存命中的数据进行淘汰,使得缓存中都是即将命中的数据,提高了缓存命中率。
-
公开(公告)号:CN116136838B
公开(公告)日:2023-07-25
申请号:CN202310420302.3
申请日:2023-04-19
Applicant: 之江实验室
IPC: G06F16/172 , G06F16/11 , G06N20/00
Abstract: 本发明公开了一种深度学习训练数据集快速载入临时缓存方法和装置,该方法用于使用临时缓存对深度学习训练进行加速时,提升数据从远端共享存储载入本地高速存储模块的性能。本发明核心思想是根据共享存储IO特性以及计算节点并发规模,将数据集样本预先组织成合适大小的文件,以解决载入时的元数据热点问题,同时挖掘共享存储的大IO单元优势和高并发访问优势。方法包括三个模块:样本聚合模块,用于在共享存储中把原始样本文件重新组织成适合高速载入的文件;载入模块,用于在训练的初始化阶段把共享存储中经过重新组织的数据集文件加载到临时缓存;样本读取模块,用于在训练过程中从载入临时缓存的数据集中识别并读取训练样本。
-
公开(公告)号:CN116258177A
公开(公告)日:2023-06-13
申请号:CN202310131550.6
申请日:2023-02-06
Applicant: 之江实验室
IPC: G06N3/0464 , G06N3/063
Abstract: 本发明提出一种基于DMA传输的卷积网络Padding预处理方法和系统,包括:在DMA传输过程中实现数据读取并实现对图片或卷积得到的特征向量进行Padding处理。本发明通过在DMA传输过程中,通过专用的处理逻辑对Padding进行高速的流式处理。避免了采用CPU或其它计算单元采用指令操作的方式,可以显著提高数据Padding的效率,提供神经网络整体执行效率;显著减少数据搬运次数,提高执行效率。
-
-
-
-
-
-
-
-
-