公开(公告)号：CN119721153B

公开(公告)日：2025-05-23

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

Inventor： 杨宏斌 ,  邓琪 ,  董刚 ,  曹其春 ,  胡克坤

IPC: G06N3/063 ,  G06N3/092 ,  G06T1/60

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：CN119721168A

公开(公告)日：2025-03-28

申请号：CN202510229142.3

申请日：2025-02-28

Applicant: 浪潮电子信息产业股份有限公司

Inventor： 尹文枫 ,  董刚 ,  曹其春 ,  梁玲燕 ,  杨宏斌

IPC: G06N3/082 ,  G06N3/0464 ,  G06V10/82

Abstract: 本发明公开了一种模型压缩方法、图像识别方法、产品、设备及介质，涉及数据处理领域，为解决模型压缩效果欠佳，无法很好地适配计算设备的问题，该方法包括利用各个卷积层的预测剪枝掩码向量对各个卷积层的输出通道进行剪枝操作；在当前次迭代中对各卷积层逐层执行量化操作；响应于当前次迭代满足结束条件，将所有卷积层均执行完量化操作后的压缩后模型作为目标模型部署在计算设备上。本发明能够在减少计算设备的存储和计算成本的同时，尽可能保留模型的精度，从而更好的适配计算设备的图像识别任务。

公开(公告)号：CN116206188A

公开(公告)日：2023-06-02

申请号：CN202310484624.4

申请日：2023-05-04

Applicant: 浪潮电子信息产业股份有限公司

Inventor： 尹文枫 ,  董刚 ,  曹其春 ,  杨宏斌

IPC: G06V10/82 ,  G06N3/082 ,  G06N3/0464

Abstract: 本申请公开了一种图像识别方法、系统、设备及存储介质，应用于图像识别技术领域，包括：对训练完成的图像识别网络的目标卷积层进行剪枝，得到压缩卷积层并判断与目标卷积层的差异是否超出差异范围；若否，则按照结构重参数化的方式对压缩卷积层进行重构，得到第一重构卷积层；若是，则按照核集理论的重要性权重更新规则，对压缩卷积层的卷积核进行缩放，得到缩放卷积层，再对缩放卷积层进行重构，得到第二重构卷积层；使用第一或第二重构卷积层替换图像识别网络中的目标卷积层，得到压缩图像识别网络以进行图像识别。应用本申请的方案，采用结构重参数化结合核集理论的方式，有效地保障了所得到的压缩图像识别网络的图像识别准确率。

公开(公告)号：CN114861878A

公开(公告)日：2022-08-05

申请号：CN202210469678.9

申请日：2022-04-30

Applicant: 浪潮电子信息产业股份有限公司

Inventor： 梁玲燕 ,  董刚 ,  赵雅倩 ,  曹其春 ,  晁银银

IPC: G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本申请提供一种深度神经网络量化方法，涉及人工智能领域，包括：获取浮点型模型参数和深度神经网络模型；利用所述浮点型模型参数并采用局部权重参数量化对所述深度神经网络模型进行量化，得到第一量化模型；若所述第一量化模型满足预设量化精度，结束量化；若所述第一量化模型不满足预设量化精度，采用全局激活输出量化处理所述第一量化模型，得到第二量化模型。本申请采用局部量化和全局量化相结合的量化策略，进行快速后训练量化。量化过程计算简单，每步优化目标单一，因此更容易找到最优解。本申请还提供一种深度神经网络量化系统、计算机可读存储介质和电子设备，具有上述有益效果。

公开(公告)号：CN111857723B

公开(公告)日：2022-06-17

申请号：CN202010604992.4

申请日：2020-06-29

Applicant: 浪潮电子信息产业股份有限公司

Inventor： 曹其春 ,  董刚 ,  尹文枫 ,  梁玲燕

IPC: G06F8/41

Abstract: 本发明实施例公开了一种参数编译方法、装置和介质，提取各模型文件所包含的网络参数；按照预先设定的参数规格，将各网络参数转换为对应的中间参数；依据各中间参数对应的尺寸信息、权重信息和上下文操作序号，为各中间参数分配对应的内存地址；将各中间参数及其对应的内存地址按照设定的方式存储至预设存储空间。通过对各模型文件的网络参数进行转换，可以将不同框架的模型文件转换成统一的、硬件友好的中间参数，解除了网络参数的各种操作运算与硬件的相关性，很好的解决了支持多种框架带来的软件代码冗余、依赖库冲突等问题。本申请在FPGA预处理阶段把数据写入硬件，就不再需要主机和FPGA的通信，不存在主机与FPGA的通信压力。

公开(公告)号：CN110516334B

公开(公告)日：2021-12-03

申请号：CN201910760181.0

申请日：2019-08-16

Applicant: 浪潮电子信息产业股份有限公司

Inventor： 曹其春 ,  赵雅倩 ,  董刚 ,  范宝余 ,  梁玲燕

IPC: G06F30/331 ,  G06F30/34

Abstract: 本发明公开了一种基于硬件环境的卷积计算仿真测试方法，该方法包括以下步骤：获取待用于进行卷积计算的数据信息；模拟硬件环境的卷积计算实现逻辑，基于数据信息进行卷积计算的软件仿真，获得第一结果数据；将第一结果数据与第二结果数据进行比对，获得第一比对结果，第二结果数据为在硬件环境下使用数据信息进行卷积计算获得的数据；根据第一比对结果，验证硬件实现逻辑是否正确。应用本发明实施例所提供的技术方案，可以有效进行卷积计算的仿真测试，及时发现硬件实现逻辑的错误之处，方便硬件调试，可以提高硬件开发效率。本发明还公开了一种基于硬件环境的卷积计算仿真测试装置、设备及存储介质，具有相应技术效果。

公开(公告)号：CN110781819A

公开(公告)日：2020-02-11

申请号：CN201911025107.0

申请日：2019-10-25

Applicant: 浪潮电子信息产业股份有限公司

Inventor： 刘海威 ,  董刚 ,  梁玲燕 ,  杨宏斌 ,  曹其春 ,  赵雅倩

IPC: G06K9/00 ,  G06K9/46 ,  G06N3/04

Abstract: 本申请公开了一种图像目标检测方法，应用于异构平台的并行处理芯片，所述图像目标检测方法包括：接收卷积神经网络对图像进行目标识别得到的多个目标对象边界框的边界框信息；将边界框信息存储至随机存取存储器RAM；对读取的边界框信息多路并行执行基于非极大值抑制算法的局部最大搜索操作，得到预设数量的待输出边界框；将待输出边界框的边界框信息传输至异构平台的中央处理器CPU，以便中央处理器CPU输出图像目标检测结果。本申请能够减少图像目标检测过程中并行处理芯片与CPU的通信数据量，提高图像目标检测的效率。本申请还公开了一种图像目标检测系统、一种电子设备及一种存储介质，具有以上有益效果。