公开(公告)号：CN116257760B

公开(公告)日：2023-08-11

申请号：CN202310526511.6

申请日：2023-05-11

Applicant: 浪潮电子信息产业股份有限公司

Inventor： 曹其春 ,  董刚 ,  胡克坤 ,  晁银银 ,  王斌强 ,  杨宏斌

IPC: G06F18/214 ,  G06F18/22 ,  G06F18/24 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种数据划分方法、系统、设备及计算机可读存储介质，涉及数据处理技术领域，获取目标数据集；基于数据的标签信息将目标数据集划分为第一数据集及第二数据集；基于数据的特征信息将第一数据集划分为目标数量的初始子数据集；确定各个初始子数据集的中心数据；确定第二数据集中至少一个第二数据与至少一个中心数据间的关联等级，关联等级基于第二数据与中心数据间关联的数据个数确定；对于第二数据，将与第二数据对应且等级最低的关联等级作为第二数据的目标关联等级，将第二数据划分至目标关联等级对应的中心数据所在的初始子数据集中，得到目标子数据集；实现了对目标数据集进行特征信息均衡及关联均衡的划分，数据划分效果好。

公开(公告)号：CN116167425B

公开(公告)日：2023-08-04

申请号：CN202310458254.7

申请日：2023-04-26

Applicant: 浪潮电子信息产业股份有限公司

Inventor： 蒋东东 ,  王斌强 ,  董刚

IPC: G06N3/063

Abstract: 本申请公开了一种神经网络加速方法、装置、设备及介质，应用于深度学习技术领域，包括：从神经网络的目标特征数据中确定有效数据矩阵；所述有效特征矩阵中包含至少一个有效特征数据；将所述有效数据矩阵中的有效特征数据，以及权重矩阵中与所述有效特征数据对应的权重数据进行分组，以得到数据组；将所述数据组输入预设计算引擎阵列，并利用所述预设计算引擎阵列对所述数据组进行运算，得到卷积结果。这样，能够避免无效数据引起延时的情况下，兼容稀疏和稠密数据，从而实现神经网络加速的优化。

公开(公告)号：CN115357554A

公开(公告)日：2022-11-18

申请号：CN202211299256.8

申请日：2022-10-24

Applicant: 浪潮电子信息产业股份有限公司

Inventor： 胡克坤 ,  董刚 ,  赵雅倩 ,  李仁刚

IPC: G06F16/174 ,  G06F9/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种图神经网络压缩方法、装置、电子设备及存储介质，涉及神经网络领域，方法包括：获取已训练的图神经网络及其训练时所使用的图数据；确定图数据中所有图顶点对应的度数分布范围，并将度数分布范围划分为多个度数区间；在预设资源限制条件的约束下，利用强化学习及硬件加速器确定各度数区间对应的最优区间量化位宽以及图神经网络对应的最优网络量化位宽；利用最优区间量化位宽对图数据中对应度数的图顶点的顶点特征进行量化压缩，并利用最优网络量化位宽对图神经网络进行量化压缩，得到最优量化图数据和最优量化图神经网络；利用强化学习为图神经网络和图顶点特征确定最优量化位宽，确保量化图神经网络具有高精度及较低资源消耗率。

公开(公告)号：CN114444657A

公开(公告)日：2022-05-06

申请号：CN202111666557.5

申请日：2021-12-30

Applicant: 浪潮电子信息产业股份有限公司

Inventor： 尹文枫 ,  董刚 ,  赵雅倩 ,  梁玲燕 ,  晁银银

IPC: G06N3/04 ,  G06N3/08 ,  G06T9/00

Abstract: 本申请公开了一种图像处理方法，包括：依据固有结构化稀疏度对预设长短时记忆网络模型的权值矩阵进行分组，得到对应的权值组；分别计算每个权值组与其他权值组的皮尔森相关系数，将皮尔森相关系数作为权值组被采样到的采样概率，并依据预设压缩率通过采样概率随机选择对应的权值组进行压缩，得到压缩后的长短时记忆网络模型；利用压缩后的长短时记忆网络模型对输入的图像进行图像处理。本申请能够根据用户指定的压缩比进行神经元剪枝，不依赖训练直接通过最小化权值矩阵输出的重构误差，获得压缩后网络权值矩阵的新权值，进而实现了循环神经网络的压缩本申请同时还提供了一种图像处理系统、设备及可读存储介质，具有上述有益效果。

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

Inventor： 董刚 ,  赵雅倩 ,  李仁刚 ,  刘海威 ,  杨宏斌 ,  蒋东东

IPC: G06V10/44 ,  G06N3/04 ,  G06N3/063 ,  G06N3/08

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

Inventor： 刘海威 ,  董刚 ,  杨宏斌 ,  赵雅倩 ,  李仁刚 ,  史宏志

IPC: G06F3/06 ,  G06N3/04

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

Inventor： 董刚 ,  赵雅倩 ,  李仁刚 ,  杨宏斌 ,  刘海威 ,  蒋东东

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：CN110782021A

公开(公告)日：2020-02-11

申请号：CN201911041052.2

申请日：2019-10-25

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

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种图像分类方法，包括：接收待分类图像信息；利用通过对比裁剪量化误差和max量化误差选取得到的量化阈值进行权重参数量化后的深度神经网络模型，对待分类图像信息进行分类操作，得到图像分类结果；其中，裁剪量化误差为基于深度神经网络模型的原权重参数计算得到的裁剪阈值进行权重参数量化得到，max量化误差为基于深度神经网络模型的原权重参数计算得到的最大绝对值权重阈值进行权重参数量化得到；输出图像分类结果。本发明缩小了图像分类设备中深度神经网络模型，保证了模型精度，降低了计算量，提高了图像分类效果。本发明还公开了一种图像分类装置、设备及存储介质，具有相应技术效果。