-
公开(公告)号：CN105630503A
公开(公告)日：2016-06-01
申请号：CN201511000940.1
申请日：2015-12-28
Applicant: 北京大学
IPC: G06F9/44
Abstract: 本发明公开了一种基于用户操作记录的应用开发移动设备选取方法。本方法为：1)选取需要预测设备重要性的目标应用；2)若该目标应用的用户数据未达到设定条件，则进行步骤3)；如果达到设定条件，则根据该目标应用的用户操作记录确定使用该目标应用的各设备重要性，然后根据得到的重要性对各设备型号排序，然后进行步骤5)；3)在该目标应用所在的应用类别中，找到用户量最多的一组若干个应用；4)根据步骤3)所选应用的用户操作记录确定使用该目标应用的各设备重要性，然后根据得到的重要性对各设备型号排序；5)根据得到的排序选取若干设备作为目标应用的设备。本发明大大提高了应用的设备预测准确率。
-
公开(公告)号：CN102629198B
公开(公告)日：2015-05-13
申请号：CN201210050713.X
申请日：2012-02-29
Applicant: 北京大学
Abstract: 本发明提供一种软件应用中计算逻辑的按需远程执行方法。首先将软件应用的应用类分为执行位置固定类和执行位置可变类，再将应用类的程序代码从源结构转换为目标结构。通过所述目标结构将应用类之间的直接内存调用和远程调用转换成经由代理和端点进行的间接远程调用。并通过预测当一应用类远程执行时是否能改善该应用类所属的软件应用的性能，实现软件应用中计算逻辑的按需远程执行。本发明方法通过自动对软件应用的代码进行重构，将其转换为可按需远程执行的程序结构，实现对计算资源的按需占有，以提高性能并改善用户体验。
-
公开(公告)号：CN115237948B
公开(公告)日：2025-04-29
申请号：CN202210869916.5
申请日：2022-07-22
Applicant: 北京大学 , 墨奇科技(北京)有限公司
IPC: G06F16/2453 , G06F16/2455 , G06F16/2458 , G06F16/248
Abstract: 本公开提供了一种数据查询方法、装置、系统、设备和介质。该方法包括：获取目标终止条件；基于查询数据和Y个子数据集中的每一个子数据集的相似度，确定Y个子数据集各自的排名，Y为大于1的正整数；将Y个子数据集中的排名最高的前Z个未处理过的子数据集作为当前子数据集并对当前子数据集进行处理，直至当前查询指标中至少部分指标满足目标终止条件，将更新后的中间结果作为查询结果；其中，Z为小于Y的正整数，处理包括：在当前子数据集所包括的样本数据中，确定与查询数据的相似度最高的至少一个样本数据以更新中间结果，基于更新后的中间结果确定当前查询指标。
-
公开(公告)号：CN117762602A
公开(公告)日：2024-03-26
申请号：CN202410198709.0
申请日：2024-02-22
Applicant: 北京大学
Abstract: 本申请提供了一种面向边缘异构硬件的深度学习级联任务调度方法及装置，所述方法包括：获取响应时间要求，以及，获取待处理的视频帧；预测视频帧对应的级联任务图，所述级联任务图表征按照顺序执行的多个深度学习网络任务，在级联任务图中一个深度学习网络任务的输出作为另一个深度学习网络任务的输入；根据响应时间要求，将级联任务图与离线级联任务图模板进行匹配；在级联任务图与离线级联任务图模板至少部分匹配的情况下，按照匹配的离线级联任务图模板对应的调度策略，将级联任务图中的多个深度学习网络任务调度到异构硬件上执行。如此，优化了级联任务场景下的多个深度学习网络任务的执行，实现级联任务的高吞吐量和高效率调度。
-
公开(公告)号：CN117519954A
公开(公告)日：2024-02-06
申请号：CN202410020819.8
申请日：2024-01-08
Applicant: 北京大学
Abstract: 本申请提供了一种面向服务器无感知计算的多资源函数任务调度系统，涉及任务调度技术领域，系统包括：调度器和多个工作节点；调度器获取各个函数任务对多种资源中每种资源的使用情况；调度器根据所述各个函数任务对多种资源中每种资源的使用情况，将所有待执行的函数任务划分成多个函数任务共享组，并为多个函数任务共享组分配资源，得到调度策略；其中，每个函数任务共享组包括多个函数任务，且多个函数任务的不同阶段交错在一起进行资源共享，每个函数任务的不同阶段使用其阶段所需要的一种资源，其阶段不需要的资源共享给其所属的函数任务共享组内的其他函数任务使用；多个工作节点按照调度器生成的调度策略，执行对应的函数任务。
-
Patent Agency Ranking
公开(公告)号：CN116501828A
公开(公告)日：2023-07-28
申请号：CN202310763804.6
申请日：2023-06-27
Applicant: 北京大学
Abstract: 本发明提供了一种基于非结构化数据集的服务器无感知向量查询方法和系统，该方法应用于向量查询技术领域，该方法包括：获取批量查询请求，批量查询请求包括多个向量查询请求；查找与批量查询请求对应的多个向量簇，生成查询计划；其中，每个向量簇被划分为多个平衡向量簇；优化查询计划，消除查询计划中的冗余传输，得到优化后查询计划；获取传输时间信息和计算时间信息，以平衡向量簇为粒度，对优化后查询计划进行重排序，得到最优执行顺序；使用动态规划算法，对最优执行顺序进行分组，得到分组计划；按照分组计划，将每个组推入全局分组队列进行传输和计算，得到向量查询结果。
-
-
公开(公告)号：CN116089021B
公开(公告)日：2023-07-21
申请号：CN202310369688.X
申请日：2023-04-10
Applicant: 北京大学
Abstract: 本申请提供一种面向深度学习的大规模负载混部调度方法、装置及介质，涉及集群调度技术领域，包括：获取任务队列；获取第一特征、第二特征，并基于所述第一特征获取共享配置；将所述第一特征、所述第二特征以及所述共享配置输入速度预测模型，获取共享吞吐量数据；基于所述共享吞吐量数据以及所述任务队列，获取调度二部图；基于所述调度二部图的最大权值，确定所述第一时间节点的最优调度方案。本申请通过引入在线负载对应的第一特征获取共享配置，保证了生成的第一时间节点下的最优调度方案可以不影响在线负载的延迟限制；同时生成的调度二部图中将最大权值的调度方案作为最优调度方案，保证了离线负载的执行效率。
-
-
公开(公告)号：CN115934362A
公开(公告)日：2023-04-07
申请号：CN202310165783.8
申请日：2023-02-27
Applicant: 北京大学
Abstract: 本申请实施例涉及集群调度技术领域，公开了一种面向深度学习的服务器无感知计算集群调度方法及产品，包括：获取新增作业；基于调度队列中每个作业对应的截止时间，确定第一调度方案；基于调度队列中每个作业的边际回报，对第一调度方案中的每个作业分配的资源量进行分配，得到第二调度方案；基于第二调度方案，确定调度队列中每个作业对应的资源；调用集群中调度队列中每个作业对应的资源对所述每个作业进行训练。本申请的方法中开发人员无需关注系统资源配置的细节，且通过基于作业的截止时间和边际回报，对所有作业进行动态资源分配，在保证调度队列中进行训练的作业的截止时间满足率的同时，充分利用集群资源，有效提升作业的性能。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.02 seconds)
