-
公开(公告)号：CN113298895A
公开(公告)日：2021-08-24
申请号：CN202110678193.6
申请日：2021-06-18
Applicant: 上海交通大学
Abstract: 本发明提供了一种面向收敛性保障的无监督双向生成自动编码方法及系统，包括：批数据(x，z)通过编码器E和生成器G同时生成编码结果E(x)和生成数据G(z)；图像空间数据与隐变量空间数据通过卷积块Fx和Fz，分别对图像空间数据与隐变量空间数据进行信息提取，得到提取后的图像空间数据和提取后的隐变量空间数据根据提取后的图像空间数据和提取后的隐变量空间数据训练判别器D，直至损失函数最小；图像数据利用训练后的编码器E，完成编码过程并生成编码结果，将编码结果输入训练后的生成器G，获得重建图像数据结果，进而完成图像数据的重建工作，实现了图像空间与隐变量空间双向映射过程的整体协同优化，提升表征能力和图像生成能力。
-
Patent Agency Ranking
公开(公告)号：CN118093184A
公开(公告)日：2024-05-28
申请号：CN202410242291.9
申请日：2024-03-04
Applicant: 上海交通大学
Abstract: 本发明公开了一种面向大规模集群的异构感知微服务资源标准化方法及系统，包括：步骤S1：根据收集的工作负载与资源轨迹，计算资源效率评估指标；步骤S2：构建CPU用量模式，量化CPU用量模式相对于基准机型的资源效率差异；步骤S3：根据资源效率差异将真实资源轨迹数据标准化为标准CPU用量；步骤S4：进行弹性伸缩，当需要横向增加容器数量时，新增容器的CPU配额为标准化CPU配额，若相应容器调度至机型的服务器上，计算实际的容器CPU配额，并通过调度系统分配相应的CPU配额。本发明适用于高度动态工作负载场景下微服务资源效率差异的有效量化。
-
公开(公告)号：CN113157413A
公开(公告)日：2021-07-23
申请号：CN202110411709.0
申请日：2021-04-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于服务质量需求的深度学习任务资源优化配置方法及系统，包括：基于深度学习任务模型的本质特征，建立参数服务器资源峰值需求预测模型和工作节点资源峰值需求预测模型；根据参数服务器资源峰值和工作节点资源峰值需求建立深度学习任务迭代时间预测模型；预设最大迭代次数，根据预测的深度学习任务迭代时间，得到基于预测的资源峰值配置下运行1台参数服务器和1台工作节点的任务结束时间；根据预设服务质量要求，预测任务在截止日期前完成所需的工作节点数量和参数服务器数量；在深度学习任务调度执行时，定量估计集群可用资源状况，并根据可用资源状况对预测任务在截止日期前完成所需的工作节点数量和参数服务器数量进行微调。
-
公开(公告)号：CN113298895B
公开(公告)日：2023-05-12
申请号：CN202110678193.6
申请日：2021-06-18
Applicant: 上海交通大学
IPC: G06T9/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种面向收敛性保障的无监督双向生成自动编码方法及系统，包括：批数据(x，z)通过编码器E和生成器G同时生成编码结果E(x)和生成数据G(z)；图像空间数据与隐变量空间数据通过卷积块Fx和Fz，分别对图像空间数据与隐变量空间数据进行信息提取，得到提取后的图像空间数据和提取后的隐变量空间数据根据提取后的图像空间数据和提取后的隐变量空间数据训练判别器D，直至损失函数最小；图像数据利用训练后的编码器E，完成编码过程并生成编码结果，将编码结果输入训练后的生成器G，获得重建图像数据结果，进而完成图像数据的重建工作，实现了图像空间与隐变量空间双向映射过程的整体协同优化，提升表征能力和图像生成能力。
-
公开(公告)号：CN114281647A
公开(公告)日：2022-04-05
申请号：CN202111601112.9
申请日：2021-12-24
Applicant: 上海声通信息科技股份有限公司 , 上海交通大学
IPC: G06F11/30
Abstract: 本发明提供了一种容器集群环境下容器GPU资源监控系统，该方法包括：主机级GPU资源监控子系统：用以对集群中的各GPU卡进行全局唯一识别，并对主机中的GPU资源进行全局同步监控；容器级GPU资源监控子系统：在每个容器中通过调用API的方式启动新的进程来对容器占据的GPU卡进行实时资源监控。本发明能够实现各主机和各容器的GPU资源的细粒度采集，实现GPU资源配置信息的全局同步，并实现主机级别GPU资源数据的全局同步采集。
-
公开(公告)号：CN113157413B
公开(公告)日：2022-04-26
申请号：CN202110411709.0
申请日：2021-04-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于服务质量需求的深度学习任务资源优化配置方法及系统，包括：基于深度学习任务模型的本质特征，建立参数服务器资源峰值需求预测模型和工作节点资源峰值需求预测模型；根据参数服务器资源峰值和工作节点资源峰值需求建立深度学习任务迭代时间预测模型；预设最大迭代次数，根据预测的深度学习任务迭代时间，得到基于预测的资源峰值配置下运行1台参数服务器和1台工作节点的任务结束时间；根据预设服务质量要求，预测任务在截止日期前完成所需的工作节点数量和参数服务器数量；在深度学习任务调度执行时，定量估计集群可用资源状况，并根据可用资源状况对预测任务在截止日期前完成所需的工作节点数量和参数服务器数量进行微调。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
