-
公开(公告)号：CN109690549B
公开(公告)日：2023-08-01
申请号：CN201680089142.7
申请日：2016-09-09
Applicant: 微软技术许可有限责任公司
IPC: G06F21/60 , G06F21/62 , G06F21/64 , G06Q10/0833 , H04L9/32
Abstract: 在本文中描述的主题的实现中，提出了一种用于跨多方来控制和跟踪对象的新的方法。可以通过多方的确认来启用规则集。规则集可以定义对与对象相关的操作的约束。在接收到对与对象相关的操作的请求时，可以基于多方同意的规则集来验证所请求的操作。响应于验证所请求的操作是有效的，可以执行所请求的操作，并且可以创建针对操作的记录并且将其存储在多方可访问的区块链数据库中。
-
公开(公告)号：CN109690549A
公开(公告)日：2019-04-26
申请号：CN201680089142.7
申请日：2016-09-09
Applicant: 微软技术许可有限责任公司
Abstract: 在本文中描述的主题的实现中，提出了一种用于跨多方来控制和跟踪对象的新的方法。可以通过多方的确认来启用规则集。规则集可以定义对与对象相关的操作的约束。在接收到对与对象相关的操作的请求时，可以基于多方同意的规则集来验证所请求的操作。响应于验证所请求的操作是有效的，可以执行所请求的操作，并且可以创建针对操作的记录并且将其存储在多方可访问的区块链数据库中。
-
公开(公告)号：CN116910785A
公开(公告)日：2023-10-20
申请号：CN202310922183.1
申请日：2016-09-09
Applicant: 微软技术许可有限责任公司
Abstract: 本公开的实施例涉及跨不同方来跟踪对象。在本文中描述的主题的实现中，提出了一种用于跨多方来控制和跟踪对象的新的方法。可以通过多方的确认来启用规则集。规则集可以定义对与对象相关的操作的约束。在接收到对与对象相关的操作的请求时，可以基于多方同意的规则集来验证所请求的操作。响应于验证所请求的操作是有效的，可以执行所请求的操作，并且可以创建针对操作的记录并且将其存储在多方可访问的区块链数据库中。
-
公开(公告)号：CN113095474A
公开(公告)日：2021-07-09
申请号：CN202010025197.X
申请日：2020-01-09
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现，提出了一种用于预测深度学习模型的资源使用情况的方案。在该方案中，与深度学习模型有关的信息被获取。该信息包括用于描述深度学习模型的第一信息、以及与深度学习模型所关联的任务的运行环境有关的第二信息。该任务的静态资源使用情况基于第一信息被确定。该任务在运行环境中运行时的策略基于第一信息和第二信息被确定。然后，基于该策略和静态资源使用情况来预测该任务在运行环境中运行时的资源使用情况。该方案能够准确地预测深度学习模型在特定运行时策略下的各种资源的使用情况，诸如算力消耗、存储器消耗和执行时间等。此外，该方案具有可扩展架构，便于支持各种不同类型的深度学习框架。
-
-
-
Search Results
4
records
(took 0.023 seconds)
