-
公开(公告)号:CN118796336A
公开(公告)日:2024-10-18
申请号:CN202311675065.1
申请日:2023-12-07
Applicant: 中国移动通信有限公司研究院 , 中国科学院计算技术研究所 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种面向算力网络的资源调度方法、装置、设备、系统及介质。该方法包括:响应于作业任务,从至少一个虚拟队列中选取与作业资源需求参数匹配的目标超算队列;其中,作业任务包括作业资源需求参数,各虚拟队列用于维护具有相同规格配置的至少一个超算中心的超算队列;发送作业任务至目标超算队列所在的超算中心;接收目标超算队列所在的超算中心返回的作业数据;基于作业数据生成作业任务的作业结果。如此,可以对多超算中心的超算队列基于虚拟队列进行集中管理和调度,实现基于跨地域、跨平台的算力集群资源的集中管理和调度进行超算任务的目的,不仅灵活、便捷,还可以提高各超算中心的资源利用率。
-
公开(公告)号:CN119759946A
公开(公告)日:2025-04-04
申请号:CN202411613241.3
申请日:2024-11-13
Applicant: 中国科学院计算技术研究所 , 中科南京信息高铁研究院
IPC: G06F16/2453 , G06F16/22 , G06F16/21 , G06F40/284 , G06N3/044 , G06N3/0442 , G06N3/042 , G06N3/08
Abstract: 本发明提供了一种代价估计模型构建方法,包括:步骤S1、获取已执行的历史查询计划以构建训练数据集;步骤S2、采用独热编码方式和词嵌入编码方式对历史查询计划进行编码处理,以获取历史查询计划的初始向量表示;步骤S3、构建初始模型;步骤S4、以历史查询计划的初始向量表示为输入,历史查询计划的执行代价为输出,执行多轮迭代训练更新初始模型参数直至收敛。本发明的技术方案在提取特征信息时额外提取算子位置信息的特征,使得代价估计模型能够更加全面的表示查询计划在算力网场景下的执行特性;还引入词嵌入编码方式进行编码处理,不仅提高了编码效率,还能在不牺牲准确性的前提下减少代价估计模型预测时占用的计算资源。
-
公开(公告)号:CN119847673A
公开(公告)日:2025-04-18
申请号:CN202411898076.0
申请日:2024-12-23
Applicant: 中国科学院计算技术研究所 , 中科南京信息高铁研究院
IPC: G06F9/455 , G06F16/903
Abstract: 本发明提出一种用于高效管理、拉取容器镜像的方案。在该方案中,在镜像仓库侧,对其镜像文件存储架构进行深度改进,采用数据块为单位细致梳理镜像文件的相关数据,精准识别并剔除重复数据块,极大降低了镜像仓库的存储压力,使存储资源得到更合理利用。在此基础上,巧妙融合哈希桶与布隆过滤器的技术优势,构建高效的指纹检索结构,显著提高数据块的检索效率;在客户端侧,以数据块为单位从镜像仓库拉取容器镜像以启动容器,这种精准拉取方式巧妙避开了不必要数据的传输,为数据传输开辟捷径,有效减少了网络资源占用,切实提高容器镜像拉取效率,全方位推动容器技术在数据处理与应用上的进步。
-
公开(公告)号:CN119646545A
公开(公告)日:2025-03-18
申请号:CN202411710720.7
申请日:2024-11-26
Applicant: 中国移动通信集团重庆有限公司 , 中国移动通信集团有限公司
IPC: G06F18/23 , G06F18/24 , G06Q50/26 , G06F16/9535 , G06F16/9538
Abstract: 本申请公开了一种社区群体的识别方法、装置、设备、介质及产品,涉及数据处理技术领域。该社区群体的识别方法包括:获取社区中用户的用户画像特征、时空关联数据以及社区中的目标兴趣点,目标兴趣点用于表征与目标社区群体的群体类型相对应的各个兴趣点;基于用户画像特征以及时空关联数据,对社区中各用户之间进行密度聚类,得到与群体类型对应的第一群体识别结果;将社区中各用户的时空关联数据与目标兴趣点的位置进行匹配,得到与群体类型对应的第二群体识别结果;将第一群体识别结果与第二群体识别结果进行融合,得到社区中与群体类型相对应的目标群体识别结果。
-
公开(公告)号:CN119603646A
公开(公告)日:2025-03-11
申请号:CN202411702395.X
申请日:2024-11-26
Applicant: 中国移动通信集团重庆有限公司 , 中国移动通信集团有限公司
IPC: H04W4/30 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/40
Abstract: 本申请实施例提供一种态势识别模型的确定方法、对象态势识别方法及相关设备,该方法应用于基站,具体包括:接收边缘节点发送的第一模型参数;获取多个样本以及每个样本的样本标签;利用多个样本以及每个样本的样本标签训练态势识别模型,得到训练后的态势识别模型;向边缘节点发送模型参数变化量;接收边缘节点发送的更新后的第一模型参数,并返回执行获取多个样本以及每个样本的样本标签的步骤,直至训练后的态势识别模型满足预设条件,得到目标态势识别模型。本申请实施例,提高了态势识别的准确度。
-
-
-
-