-
公开(公告)号：CN114140618A
公开(公告)日：2022-03-04
申请号：CN202111276841.1
申请日：2021-10-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种卷积特征缓存方法、装置、电子设备及计算机可读存储介质，该方法包括：获取多个卷积特征，并将卷积特征写入缓存空间；其中，缓存空间包括多个缓存单元，各个缓存单元呈二维矩阵排布，每个缓存单元用于存储一个卷积特征；若检测到缓存空间被读取，则按照横向循环方向，对各个矩阵行中的卷积特征进行横向偏移；若检测到横向偏移次数处于第一区间，则按照纵向循环方向，对各个矩阵列中的卷积特征进行纵向偏移，并将横向偏移次数清零；若检测到纵向偏移次数处于第二区间，则确定数据调用完毕；可以无需频繁地从外部存储介质中获取卷积特征，一次缓存较多卷积特征，并将其最大化利用，高效地提供大量用于卷积计算的卷积特征。
-
公开(公告)号：CN110673786B
公开(公告)日：2020-11-10
申请号：CN201910827022.8
申请日：2019-09-03
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明提供一种数据缓存方法和装置，逐个获取输出矩阵，按照获取各个输出矩阵的先后顺序，将获取的多个输出矩阵交替的写入第一缓存单元的两个队列集合中，并且逐个将第一缓存单元中分行存储的输出矩阵写入第二缓存单元，按写入第二缓存单元的顺序，根据预设的参数逐个确定第二缓存单元的每个输出矩阵的有效数据，并将每个输出矩阵的有效数据写入第三缓存单元，第三缓存单元保存的输出矩阵的有效数据用于根据写入第三缓存单元的先后顺序依次写入到内存中。本方案利用写入速度与处理器计算速度匹配的缓存单元缓存输出矩阵，并将输出矩阵按生成时间的先后逐个完整的写入内存中。因此本发明能够解决处理器的计算速度与内存写入速度不匹配的问题。
-
公开(公告)号：CN111723906A
公开(公告)日：2020-09-29
申请号：CN202010476888.1
申请日：2020-05-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/04
Abstract: 本申请提供一种循环神经网络的加速计算方法，包括：获取所述循环神经网络的参数矩阵乘式；对所述参数矩阵乘式中的乘数和被乘数进行分割，得到二维矩阵；将所述二维矩阵按照预设顺序输入至三维脉动阵列；根据所述三维脉动阵列确定所述参数矩阵乘式的输出结果。本申请大大缩短了大尺寸矩阵相乘的计算时间，缩减了计算所需的硬件资源。本申请还提供一种循环神经网络的加速计算系统、计算机可读存储介质和终端，具有上述有益效果。
-
公开(公告)号：CN119719595B
公开(公告)日：2025-05-13
申请号：CN202510245690.5
申请日：2025-03-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F17/15 , G06N3/092 , G06N3/063 , G06N3/0464 , G06F17/16
Abstract: 本发明公开了一种数据处理方法、电子设备、介质及计算机程序产品，涉及计算机技术领域，包括：首先以批次为要素排列特征数据块，以输出通道为要素排列权重数据块，可在卷积计算能更有序访问特征数据和权重数据，然后通过判断网络数据规模与设定阈值大小，选择合适存储模式；数据规模小于设定阈值时用片上存储模式加载数据后进行卷积计算，能减少数据读取延迟，提升计算响应速度；数据规模大时采用片外访存模式边加载数据边卷积计算，避免因等待数据全部加载完成而造成的计算资源闲置。这样能够将强化学习前端进行特征提取的卷积计算部分协同部署到分块矩阵计算架构上，实现资源复用，有效降低硬件实现的复杂度和硬件资源的消耗。
-
公开(公告)号：CN119719595A
公开(公告)日：2025-03-28
申请号：CN202510245690.5
申请日：2025-03-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F17/15 , G06N3/092 , G06N3/063 , G06N3/0464 , G06F17/16
Abstract: 本发明公开了一种数据处理方法、电子设备、介质及计算机程序产品，涉及计算机技术领域，包括：首先以批次为要素排列特征数据块，以输出通道为要素排列权重数据块，可在卷积计算能更有序访问特征数据和权重数据，然后通过判断网络数据规模与设定阈值大小，选择合适存储模式；数据规模小于设定阈值时用片上存储模式加载数据后进行卷积计算，能减少数据读取延迟，提升计算响应速度；数据规模大时采用片外访存模式边加载数据边卷积计算，避免因等待数据全部加载完成而造成的计算资源闲置。这样能够将强化学习前端进行特征提取的卷积计算部分协同部署到分块矩阵计算架构上，实现资源复用，有效降低硬件实现的复杂度和硬件资源的消耗。
-
Patent Agency Ranking
公开(公告)号：CN119646525A
公开(公告)日：2025-03-18
申请号：CN202510162788.4
申请日：2025-02-14
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/214 , G06F18/25 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种应用于人工智能技术中的数据关联关系确定方法、系统、设备、介质及程序产品，方法包括将数据关联任务的待关联数据和关联数据信息中的各源数据作为节点特征，输入至关联关系识别模型。对关联关系识别模型进行图采样，基于目标多项式对各采样节点及其相邻邻居节点的特征信息进行聚合，并根据当前聚合特征确定当前图采样对应的各采样节点之间的关联关系识别结果；根据各关联关系识别结果，为待关联数据在关联数据信息中确定具有关联关系的目标数据。本发明可以解决相关技术任务精度和任务执行效率无法兼顾的问题，在提高数据关联关系确定任务执行效率的基础上，确保输出高精度的数据关联结果。
-
公开(公告)号：CN116431816B
公开(公告)日：2023-09-19
申请号：CN202310694562.X
申请日：2023-06-13
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/35 , G06F16/33 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及数字化处理技术领域，公开了一种文献分类方法、装置、设备和计算机可读存储介质，构建文献数据库的初始文献特征矩阵、局部一致性矩阵和全局一致性矩阵。利用文献分类模型中的双通道神经网络，确定出初始文献特征矩阵和局部一致性矩阵对应的第一文献学习结果以及初始文献特征矩阵和全局一致性矩阵对应的第二文献学习结果。对双通道神经网络各图卷积层的输出特征进行相关性分析，以确定出第三文献学习结果。基于文献数据库的已有标签、局部一致性矩阵、第一文献学习结果、第二文献学习结果以及第三文献学习结果，对文献分类模型的参数进行修正，依据训练好的文献分类模型，确定出文献数据库中无标签文献的类别，提高了文献分类的准确度。
-
公开(公告)号：CN116127386B
公开(公告)日：2023-08-08
申请号：CN202310417849.8
申请日：2023-04-19
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/2415 , G06F18/214 , G06F18/22 , G06N3/08 , G06N3/0464
Abstract: 本申请涉及人工智能技术领域，公开了一种样本分类方法、装置、设备和计算机可读存储介质，利用训练样本包含的图结构信息和初始节点特征信息，对图神经网络模型进行训练，以得到融合后的节点特征信息以及训练得到的预测标签。基于节点特征信息中各节点之间的相似性，构建相似性概率矩阵。依据相似性概率矩阵以及训练样本包含的训练标签，确定出训练样本中所有节点各自对应的传播标签。根据传播标签、训练标签、预测标签，对图神经网络模型的权重进行调整，得到训练好的图神经网络模型，从而对待处理样本进行分析以输出样本类别。依据节点间相似性可以将训练标签传递到特征相似的节点上，从而增加训练时的标签数量，解决数据过拟合的问题。
-
公开(公告)号：CN116127386A
公开(公告)日：2023-05-16
申请号：CN202310417849.8
申请日：2023-04-19
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/2415 , G06F18/214 , G06F18/22 , G06N3/08 , G06N3/0464
Abstract: 本申请涉及人工智能技术领域，公开了一种样本分类方法、装置、设备和计算机可读存储介质，利用训练样本包含的图结构信息和初始节点特征信息，对图神经网络模型进行训练，以得到融合后的节点特征信息以及训练得到的预测标签。基于节点特征信息中各节点之间的相似性，构建相似性概率矩阵。依据相似性概率矩阵以及训练样本包含的训练标签，确定出训练样本中所有节点各自对应的传播标签。根据传播标签、训练标签、预测标签，对图神经网络模型的权重进行调整，得到训练好的图神经网络模型，从而对待处理样本进行分析以输出样本类别。依据节点间相似性可以将训练标签传递到特征相似的节点上，从而增加训练时的标签数量，解决数据过拟合的问题。
-
公开(公告)号：CN114862683B
公开(公告)日：2022-12-09
申请号：CN202210791426.8
申请日：2022-07-07
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06T3/40 , G06T7/11 , G06V10/774
Abstract: 本申请涉及大场景超分辨率图像目标检测技术领域，公开了一种模型生成方法、目标检测方法、装置、设备及介质，模型生成方法包括：利用各超分辨率图像的真实框构成各图像的样本集合；从样本集合中选择一真实框，根据选择的真实框对超分辨率图像裁切，得到裁切图像；从超分辨率图像的样本集合中删除裁切图像包含的真实框，返回执行从样本集合中选择一真实框的步骤，直至样本集合为空集；利用各超分辨率图像的裁切图像及其包含的真实框作为第一训练集，对第一模型进行训练，得到第一目标检测模型。本申请公开的技术方案，通过每次从样本集合中删除裁切图像包含的真实框及重复执行至样本集合为空集解决过采样和欠采样问题，提高模型性能。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.047 seconds)
