-
公开(公告)号：CN115543486B
公开(公告)日：2023-03-31
申请号：CN202211461318.0
申请日：2022-11-16
Applicant: 北京大学
Abstract: 本实施例提供了一种面向无服务器计算的冷启动延迟优化方法、装置和设备，所述方法包括：对FaaS应用进行可选文件消除处理，以获得简化的FaaS应用；对简化的FaaS应用进行无服务器函数识别和特殊函数识别，以确定所述FaaS应用中的无服务器函数和特殊函数；根据所述FaaS应用的函数调用图、所述无服务器函数和特殊函数生成可选函数集；对所述可选函数集中可选函数的代码进行函数级重写，并将可选函数的原始代码压缩为轻量级文件，得到优化的FaaS应用，并在执行所述优化的FaaS应用时以按需加载的方式获取需要的可选函数代码。在本实施例中，无需修改底层操作系统或虚拟机管理程序，从应用层面出发，实现通过减小执行代码的大小来优化无服务器函数的冷启动延迟。
-
公开(公告)号：CN115470901A
公开(公告)日：2022-12-13
申请号：CN202211083545.4
申请日：2022-09-06
Applicant: 北京大学
Abstract: 本发明提供了一种支持移动端异构处理器分载的混合精度训练方法及设备，应用于移动端，所述移动端包括混合精度算法抽象模块、异构处理器抽象模块、CPU和异构处理器，本发明实施例中，基于混合精度训练算法，通过混合精度算法抽象模块将原本高精度的训练模型转化能够直接在移动端执行的混合精度的中间表示模型，进而实现在不损失准确率的情况下减小运算负载，并使用移动端均包含的支持低精度的异构处理器来分载训练中所需的关键计算任务，实现在移动端快速高效地训练，进而减小了在移动端上训练的能耗和延迟。
-
公开(公告)号：CN112766512B
公开(公告)日：2022-10-28
申请号：CN202110098292.7
申请日：2021-01-25
Applicant: 北京大学(天津滨海)新一代信息技术研究院
IPC: G06N20/00
Abstract: 本公开提供了一种基于元算子的深度学习框架诊断系统、方法、装置、介质及设备，所述系统包括：用户接口模块，用于为用户提供搭建深度学习模型并诊断模型中的算子的编程接口；模型静态图模块，用于根据用户的代码，构建模型静态计算图的结构；由状态记录器和数据流执行器组成的调试器，其中，所述状态记录器用于记录每次算子替换后计算图执行的计算结果；所述数据流执行器用于根据所述静态计算图的结构，执行正向计算和反向梯度计算操作；元算子模块，用于提供所述系统执行各类型计算的基本计算单位；算子实现模块，用于不同的深度学习框架的数值计算和/或多维数组操作；设备管理模块，用于管理硬件实现的CPU和GPU，并提供了一个统一的接口。
-
公开(公告)号：CN109445956B
公开(公告)日：2022-07-22
申请号：CN201811094222.9
申请日：2018-09-19
Applicant: 北京大学
Abstract: 本发明提供一种面向智能手表应用的云‑端计算分载方法，其步骤包括：由开发者于智能手表应用程序中对可分载的任务标记，并通过程序分析技术构建程序分析依赖图，去掉开发者标记的但又不可分载的任务；对分载的任务进行重构，增加远程调用逻辑以及不同网络情况下的在智能手表、智能手机及云服务器三层的分载策略；根据分载策略决定是本地调用还是远程调用，据以将分载的任务打包后分别在智能手表、智能手机、云服务器三层进行部署。本发明还提供一种面向智能手表应用的云‑端计算分载中间件。
-
公开(公告)号：CN113935058A
公开(公告)日：2022-01-14
申请号：CN202111529265.7
申请日：2021-12-15
Applicant: 北京大学
Abstract: 本申请实施例提供一种面向泛在资源的拉模式可信预言机的软件定义方法，涉及区块链技术领域，所述方法包括：执行环境、审计机制分别计算主密钥的前半部分、后半部分；审计机制将后半部分的一部份发送给执行环境，使执行环境生成部分的TLS Key，执行环境依据部分TLS Key接收合约节点发送的资源，将接收数据的信息摘要发送至审计机制；审计机制收到信息摘要后使执行环境拥有完整的TLS Key来解密资源，以进行部署生成执行进程；审计机制重新接收资源以进行审计，审计完成后，执行环境返回执行进程的调用ID和审计结果。本申请的方法主动将资源发送到预言机中生成调用接口，一次调用就能实现链下资源的软件定义化，还能为执行提供真实性证明。
-
Patent Agency Ranking
公开(公告)号：CN113645318A
公开(公告)日：2021-11-12
申请号：CN202111207252.8
申请日：2021-10-18
Applicant: 北京大学
IPC: H04L29/08
Abstract: 本申请提供了面向人机物资源的结构化对等网络自适应构建方法和装置，涉及P2P技术领域。旨在自适应构建得到结构化对等网络，该结构化对等网络为具有物理感知信息的点对点网络，能在人机物融合场景中有效使用。所述方法包括：采用网格聚合算法对新节点的经纬度坐标进行计算，获得所述新节点的位置哈希值；根据所述位置哈希值，在所述结构化对等网络的已有节点中确定所述新节点的注册节点；根据所述注册节点返回给所述新节点的信息，完成对所述新节点的注册，以将完成注册的新节点加入所述结构化对等网络中。
-
公开(公告)号：CN109656529B
公开(公告)日：2021-05-25
申请号：CN201811290235.3
申请日：2018-10-31
Applicant: 北京大学
Abstract: 本发明提供一种针对客户端深度学习的在线定制化方法及系统，包括服务器、至少一个客户端，所述方法包括：所述服务器利用公共数据集对预设机器学习模型进行训练，获得公共模型；所述客户端从所述服务器获取所述公共模型；所述客户端获取用户个性化数据；所述客户端利用所述用户个性化数据对所述公共模型进行训练，得到定制化模型。本发明采用服务器端‑客户端协同训练的方式，在计算资源较强的服务器端先利用大量的公共数据集进行预训练，将模型的参数调整到合适的位置；然后将模型下发到各个移动设备，利用本地产生的数据进行定制化训练。在客户端进行预测和定制化训练的过程中，无需上传训练数据，从而保证了隐私信息不会被泄露。
-
公开(公告)号：CN112698841A
公开(公告)日：2021-04-23
申请号：CN202110049287.7
申请日：2021-01-14
Applicant: 北京大学(天津滨海)新一代信息技术研究院
Abstract: 本公开涉及深度学习技术领域，具体提供了面向Android的深度学习模型统一部署系统、方法、介质及设备，其中，所述系统包括：监控统计模块，用于完成对整个系统执行的监控统计以及日志读写；抽象适配模块，用于提供深度学习推断过程所需要的解释器、模型和/或数据源；服务模块，用于对Android应用程序提供统一的编程接口。本公开设计并实现了一个移动深度学习任务的统一部署框架，集成了5种主流的移动深度学习框架，为深度学习推断任务设立软件抽象，屏蔽底层框架的接口异构性，对上层应用程序提供统一编程接口。该框架可用于移动应用开发者快速实现跨框架、跨硬件后端的深度学习任务部署，也可用于框架开发厂商构建模型准确率基准测试、框架性能基准测试等。
-
公开(公告)号：CN112019510A
公开(公告)日：2020-12-01
申请号：CN202010739741.7
申请日：2020-07-28
Applicant: 北京大学
Abstract: 本发明提供了一种深度神经网络架构的自适应搜索方法和系统，旨在保护数据隐私的前提下，降低计算开销和通信开销，实现深度学习从云端分载到终端，提高终端参与效率。所述方法包括：终端调度模块根据终端属性对终端分组；网络架构搜索模块搜索到若干模型架构；决策与聚合模块基于动态训练策略，控制终端组对模型架构进行短期训练测试；根据融合模型架构准确率，得到优选模型架构；优选模型架构满足资源限制，则更新资源限制，进行新一轮迭代，不满足资源限制，则停止迭代；对每轮获得的优选模型架构，进行长期训练，得到每轮对应资源限制下最优模型架构。
-
公开(公告)号：CN109325112B
公开(公告)日：2019-08-20
申请号：CN201810678889.7
申请日：2018-06-27
Applicant: 北京大学
Abstract: 本发明涉及一种基于emoji的跨语言情感分析方法和装置。该方法包括：1)基于收集的大量源语言和目标语言的未标记文本创建词向量；2)基于词向量选出未标记文本中包含emoji的文本，通过包含emoji的文本建立emoji预测任务，从而获得句表征模型；3)将标记过情感极性的源语言语料翻译成目标语言，利用句表征模型得到原文本和翻译得到的文本的文档表征，然后利用文档表征训练情感分类模型；4)利用训练得到的情感分类模型，对目标语言的新文本进行情感分类，得到其情感极性。本发明使用在社交平台上易爬得的emoji文本来实现跨语言情感分析，能够缓解标记资源稀少、不同语言中标记资源不平衡的问题。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.026 seconds)
