公开(公告)号：CN116881618A

公开(公告)日：2023-10-13

申请号：CN202311078065.3

申请日：2023-08-25

Applicant: 之江实验室

Inventor： 孙红江 ,  陈晨 ,  杨贺淞 ,  范文杰 ,  常璟飞 ,  陈光 ,  曾令仿 ,  李勇 ,  程稳

IPC: G06F17/16 ,  G06F9/30

Abstract: 本申请涉及一种通用矩阵乘计算优化方法、装置及处理器，该方法应用于处理器，处理器包括至少一个计算核心，计算核心包括算术逻辑单元、数据缓存和寄存器，包括：基于算术逻辑单元的宽度、寄存器的数量、数据缓存的容量，以及预先确定的用于构成通用矩阵乘算子内核的计算核心数量，确定通用矩阵乘算子内核的尺寸；基于算子内核的尺寸、预先确定的基本块矩阵的尺寸，以及左矩阵、右矩阵的尺寸，优化并行计算的计算核心数量；基于并行计算的计算核心数量、基本块矩阵的尺寸，以及左矩阵、右矩阵的尺寸，对数据缓存中通用矩阵乘计算区域的分块计算进行优化，解决了通用矩阵乘计算硬件资源利用率较低，数据访存开销较大的问题。

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：CN116483547A

公开(公告)日：2023-07-25

申请号：CN202310742056.3

申请日：2023-06-21

Applicant: 之江实验室

Inventor： 杨贺淞 ,  陈光 ,  曾令仿 ,  李勇 ,  孙红江 ,  范文杰 ,  陈晨 ,  滕会刚 ,  胡学典 ,  蒋科 ,  韩珂 ,  常璟飞 ,  王鹏程 ,  陈自强

IPC: G06F9/48 ,  G06F9/50 ,  G06F9/455

Abstract: 本申请涉及一种资源调度方法、装置、计算机设备和存储介质。所述方法包括：获取待调度的容器组；基于待调度的容器组，确定集群中与容器组匹配的目标节点；在待调度的容器组的优先级标志位为低延迟的情况下，将目标节点中的处理器资源分配至容器组中的容器，生成资源调度结果。采用本方法能够解决不同容器间资源抢占的问题。

公开(公告)号：CN116301904A

公开(公告)日：2023-06-23

申请号：CN202310559970.4

申请日：2023-05-18

Applicant: 之江实验室

Inventor： 王鹏程 ,  李勇 ,  陈自强 ,  曾令仿 ,  陈光 ,  程稳 ,  吕波 ,  胡陈枢 ,  常璟飞

IPC: G06F8/41 ,  G06N3/006 ,  G06N3/0475 ,  G06N3/08

Abstract: 本发明公开了一种用于深度学习编译器的算子优化加速方法及装置，目的是减少算子优化空间的搜索时间。该方法首先将神经网络抽象成计算图的形式，再对计算图进行图优化，并为优化后的计算图中的每个算子定义优化空间。然后以LightGBM为代价模型，粒子群优化算法为搜索算法对优化空间进行搜索。在每轮搜索中，对搜索算法输出的候选解采用DBSCAN进行聚类和采样，减少在硬件上的实测次数，进一步提升搜索效率。

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。