-
公开(公告)号：CN112055054A
公开(公告)日：2020-12-08
申请号：CN202010788464.9
申请日：2020-08-07
Applicant: 之江实验室
IPC: H04L29/08
Abstract: 本发明公开了一种基于多种一致性协议的多边缘集群数据同步的方法及系统，每个边缘集群包括至少一个管理节点和至少一个工作节点，该方法包括：边缘集群内部管理节点之间采用强一致性协议实现数据同步；边缘集群内部的管理节点与工作节点之间数据同步采用局域网弱一致性协议；不同边缘集群的管理节点之间数据同步采用广域网弱一致性协议。本发明针对同边缘集群管理节点之间、同边缘集群管理节点与工作节点之间、不同边缘集群管理节点之间三个范围分别使用不同的一致性协议，实现了边缘多边缘集群的边缘集群内及边缘集群间高效的数据同步，降低了延迟，增强了稳定性。
-
公开(公告)号：CN110851255A
公开(公告)日：2020-02-28
申请号：CN201911080332.4
申请日：2019-11-07
Applicant: 之江实验室
IPC: G06F9/48 , G06N3/02 , H04N21/234 , H04N21/44
Abstract: 本发明公开一种基于终端设备和边缘服务器协同进行视频流处理的方法，所述的视频流处理划分为数据预处理、深度神经网络推理和结果处理三个阶段，终端设备的计算任务分为数据预处理TP、数据传输TD_t、神经网络推理TI、结果接收TR_r和结果处理TF，边缘服务器的计算任务分为数据接收ED_r、深度神经网络推理EI，结果传输ER_t，所述的视频预处理采用流水化方式进行任务调度，终端设备按照任务优先级，根据空闲状态执行计算任务，边缘服务器也根据任务优先级的顺序执行；其中，终端设备承担任务的优先级从高到低排序为：TR_r>TD_t>TF>TP＝TI；边缘服务器承担任务的优先级从高到低排序为：ED_r>EI>ER_t。该方法在发挥边缘服务器强大算力的同时，提高了计算效率。
-
公开(公告)号：CN114741207A
公开(公告)日：2022-07-12
申请号：CN202210649280.3
申请日：2022-06-10
Applicant: 之江实验室
Abstract: 本发明公开一种基于多维度组合并行的GPU资源调度方法和系统，该方法包括：步骤一，在GPU资源管理中心添加GPU资源插件模块；步骤二，运行插件模块，完成数据层和物理层各类型GPU资源对应的联动；步骤三，GPU资源管理中心从GPU异构集群收集GPU资源的实时基本信息，并下发到GPU资源调度模块；步骤四，调用GPU资源时，向GPU资源调度模块发送支持多维度的组合调度的请求任务；步骤五，GPU资源调度模块将请求任务的主任务转换成可执行的单维度调度子任务并下发至GPU异构集群，GPU异构集群根据子任务按需分配GPU资源。本发明能有效提升GPU资源的利用率。
-
Patent Agency Ranking
公开(公告)号：CN112069903B
公开(公告)日：2023-12-22
申请号：CN202010789192.4
申请日：2020-08-07
Applicant: 之江实验室
Abstract: 本发明公开了一种基于深度强化学习实现人脸识别端边卸载计算方法及装置，包括：获取真实的人脸图片，根据边端人脸识别模型训练得到分类数据，其中，分类数据包括图片名称、id、图片提取出的128维特征向量、终端预测置信度、终端预测值、边缘预测值；将深度学习与强化学习进行结合，定义马尔科夫决策过程的状态空间、动作集、奖励函数和智能体；根据定义好的马尔科夫决策过程，构建Actor神经网络和Critic神经网络，使用分类数据对构建好的Actor神经网络和Critic神经网络进行训练，获得智能卸载决策模型；对智能卸载决策模型的性能与基准查询策略进行对比评估；根据对比评估的结果，将智能卸载决策模型部署到智能终端设备中，进行人脸识别的任务卸载决策。
-
公开(公告)号：CN112069903A
公开(公告)日：2020-12-11
申请号：CN202010789192.4
申请日：2020-08-07
Applicant: 之江实验室
Abstract: 本发明公开了一种基于深度强化学习实现人脸识别端边卸载计算方法及装置，包括：获取真实的人脸图片，根据边端人脸识别模型训练得到分类数据，其中，分类数据包括图片名称、id、图片提取出的128维特征向量、终端预测置信度、终端预测值、边缘预测值；将深度学习与强化学习进行结合，定义马尔科夫决策过程的状态空间、动作集、奖励函数和智能体；根据定义好的马尔科夫决策过程，构建Actor神经网络和Critic神经网络，使用分类数据对构建好的Actor神经网络和Critic神经网络进行训练，获得智能卸载决策模型；对智能卸载决策模型的性能与基准查询策略进行对比评估；根据对比评估的结果，将智能卸载决策模型部署到智能终端设备中，进行人脸识别的任务卸载决策。
-
公开(公告)号：CN112055054B
公开(公告)日：2023-04-07
申请号：CN202010788464.9
申请日：2020-08-07
Applicant: 之江实验室
IPC: H04L67/1095
Abstract: 本发明公开了一种基于多种一致性协议的多边缘集群数据同步的方法及系统，每个边缘集群包括至少一个管理节点和至少一个工作节点，该方法包括：边缘集群内部管理节点之间采用强一致性协议实现数据同步；边缘集群内部的管理节点与工作节点之间数据同步采用局域网弱一致性协议；不同边缘集群的管理节点之间数据同步采用广域网弱一致性协议。本发明针对同边缘集群管理节点之间、同边缘集群管理节点与工作节点之间、不同边缘集群管理节点之间三个范围分别使用不同的一致性协议，实现了边缘多边缘集群的边缘集群内及边缘集群间高效的数据同步，降低了延迟，增强了稳定性。
-
公开(公告)号：CN114741207B
公开(公告)日：2022-09-30
申请号：CN202210649280.3
申请日：2022-06-10
Applicant: 之江实验室
Abstract: 本发明公开一种基于多维度组合并行的GPU资源调度方法和系统，该方法包括：步骤一，在GPU资源管理中心添加GPU资源插件模块；步骤二，运行插件模块，完成数据层和物理层各类型GPU资源对应的联动；步骤三，GPU资源管理中心从GPU异构集群收集GPU资源的实时基本信息，并下发到GPU资源调度模块；步骤四，调用GPU资源时，向GPU资源调度模块发送支持多维度的组合调度的请求任务；步骤五，GPU资源调度模块将请求任务的主任务转换成可执行的单维度调度子任务并下发至GPU异构集群，GPU异构集群根据子任务按需分配GPU资源。本发明能有效提升GPU资源的利用率。
-
公开(公告)号：CN110851255B
公开(公告)日：2022-04-15
申请号：CN201911080332.4
申请日：2019-11-07
Applicant: 之江实验室
IPC: G06F9/48 , G06N3/02 , H04N21/234 , H04N21/44
Abstract: 本发明公开一种基于终端设备和边缘服务器协同进行视频流处理的方法，所述的视频流处理划分为数据预处理、深度神经网络推理和结果处理三个阶段，终端设备的计算任务分为数据预处理TP、数据传输TD_t、神经网络推理TI、结果接收TR_r和结果处理TF，边缘服务器的计算任务分为数据接收ED_r、深度神经网络推理EI，结果传输ER_t，所述的视频预处理采用流水化方式进行任务调度，终端设备按照任务优先级，根据空闲状态执行计算任务，边缘服务器也根据任务优先级的顺序执行；其中，终端设备承担任务的优先级从高到低排序为：TR_r>TD_t>TF>TP＝TI；边缘服务器承担任务的优先级从高到低排序为：ED_r>EI>ER_t。该方法在发挥边缘服务器强大算力的同时，提高了计算效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
