数据处理方法、卷积神经网络训练方法、装置和FPGA

    公开(公告)号:CN115034351B

    公开(公告)日:2025-04-08

    申请号:CN202110241125.3

    申请日:2021-03-04

    Inventor: 陈汝丹 张渊

    Abstract: 本申请实施例提供了一种数据处理方法、卷积神经网络训练方法、装置和FPGA,可以获取待处理图片并存储至预设存储空间,FPGA可以从预设存储空间获取待处理图片,通过卷积层运算核,基于目标卷积神经网络中每一卷积层对应的目标参数矩阵,对待处理图片进行处理,得到最终的特征图,存储至预设存储空间;目标卷积神经网络中每一卷积层对应的目标参数矩阵中的元素,与该卷积层中的卷积核一一对应;该卷积层中的卷积核包含:压缩卷积核和非压缩卷积核,且压缩卷积核的大小小于非压缩卷积核。进而,可以从预设存储空间获取最终的特征图。如此,能够提高基于卷积神经网络进行数据处理的效率。

    气相色谱电子气路的控制方法、控制装置、气相色谱系统

    公开(公告)号:CN119335106B

    公开(公告)日:2025-03-21

    申请号:CN202411890699.3

    申请日:2024-12-20

    Abstract: 本申请公开了一种气相色谱电子气路的控制方法,包括:检测气相色谱系统出口处气压的变化,该出口处气压的变化表征大气压变化前出口处在先气压值与大气压变化后的在后气压值之间的差异,在所检测到的出口处气压变化大于设定的变化阈值的情形下,获取出口处气压为在后气压值情形下各压力传感器所采集的当前压力值,所述各压力传感器分布于气相色谱系统气路中,利用所获取的各当前压力值、以及各压力传感器所采集在所述出口处气压为在先大气压值时的各在前压力值,对出口处气压变化后的给定目标压力值进行修正,得到修正后的给定目标压力值,根据修正后的给定目标压力值,调节气相色谱系统气路中的控制阀。本申请提高了出口气压波动时的补偿精度。

    一种数据处理方法、装置及边缘计算设备

    公开(公告)号:CN116432735A

    公开(公告)日:2023-07-14

    申请号:CN202111671612.X

    申请日:2021-12-31

    Abstract: 本申请实施例提供了一种数据处理方法、装置及边缘计算设备,该方法包括:对神经网络的第一输入数据进行量化处理,得到第二输入数据;根据第二输入数据和神经网络中每个网络层的所有正向计算参数的量化参数,确定神经网络的第一输出数据;对第一输出数据进行量化处理,得到第二输出数据;在训练神经网络时,将第二输出数据输入预设损失函数,获得第一反向梯度;对第一反向梯度进行量化处理,得到第二反向梯度;根据第二反向梯度和神经网络中每个网络层的所有反向计算参数的量化参数,调整神经网络中的正向计算参数。应用本申请实施例提供的技术方案,可以减少该神经网络的计算量,扩大神经网络的应用场景。

    数据处理方法、卷积神经网络训练方法、装置和FPGA

    公开(公告)号:CN115034351A

    公开(公告)日:2022-09-09

    申请号:CN202110241125.3

    申请日:2021-03-04

    Inventor: 陈汝丹 张渊

    Abstract: 本申请实施例提供了一种数据处理方法、卷积神经网络训练方法、装置和FPGA,可以获取待处理图片并存储至预设存储空间,FPGA可以从预设存储空间获取待处理图片,通过卷积层运算核,基于目标卷积神经网络中每一卷积层对应的目标参数矩阵,对待处理图片进行处理,得到最终的特征图,存储至预设存储空间;目标卷积神经网络中每一卷积层对应的目标参数矩阵中的元素,与该卷积层中的卷积核一一对应;该卷积层中的卷积核包含:压缩卷积核和非压缩卷积核,且压缩卷积核的大小小于非压缩卷积核。进而,可以从预设存储空间获取最终的特征图。如此,能够提高基于卷积神经网络进行数据处理的效率。

    一种神经网络的定点化方法、装置

    公开(公告)号:CN113408715A

    公开(公告)日:2021-09-17

    申请号:CN202010186495.7

    申请日:2020-03-17

    Abstract: 本申请公开了一种神经网络的定点化方法,对神经网络进行至少如下之一低比特量化:对神经网络中的卷积层输入激活值进行第一低比特量化,对卷积层中卷积核权值进行第二低比特量化,对神经网络中除了卷积层之外的非卷积功能层,将非卷积功能层的输入激活值进行第三低比特量化;在进行所述任意低比特量化之后,基于当前低比特量化后的神经网络,进行重训练,基于重训练后的神经网络中各低比特量化结果,进行定点化;其中,所述第一低比特、第二低比特、第三低比特均在1比特至8比特以内。本申请使得最终激活值和/或卷积核权值都用低比特定点化表示,可以方便移植到嵌入式平台、专用集成电路之中。

    气相色谱电子气路的控制方法、控制装置、气相色谱系统

    公开(公告)号:CN119335106A

    公开(公告)日:2025-01-21

    申请号:CN202411890699.3

    申请日:2024-12-20

    Abstract: 本申请公开了一种气相色谱电子气路的控制方法,包括:检测气相色谱系统出口处气压的变化,该出口处气压的变化表征大气压变化前出口处在先气压值与大气压变化后的在后气压值之间的差异,在所检测到的出口处气压变化大于设定的变化阈值的情形下,获取出口处气压为在后气压值情形下各压力传感器所采集的当前压力值,所述各压力传感器分布于气相色谱系统气路中,利用所获取的各当前压力值、以及各压力传感器所采集在所述出口处气压为在先大气压值时的各在前压力值,对出口处气压变化后的给定目标压力值进行修正,得到修正后的给定目标压力值,根据修正后的给定目标压力值,调节气相色谱系统气路中的控制阀。本申请提高了出口气压波动时的补偿精度。

    一种神经网络的定点化方法、装置

    公开(公告)号:CN113408715B

    公开(公告)日:2024-05-28

    申请号:CN202010186495.7

    申请日:2020-03-17

    Abstract: 本申请公开了一种神经网络的定点化方法,对神经网络进行至少如下之一低比特量化:对神经网络中的卷积层输入激活值进行第一低比特量化,对卷积层中卷积核权值进行第二低比特量化,对神经网络中除了卷积层之外的非卷积功能层,将非卷积功能层的输入激活值进行第三低比特量化;在进行所述任意低比特量化之后,基于当前低比特量化后的神经网络,进行重训练,基于重训练后的神经网络中各低比特量化结果,进行定点化;其中,所述第一低比特、第二低比特、第三低比特均在1比特至8比特以内。本申请使得最终激活值和/或卷积核权值都用低比特定点化表示,可以方便移植到嵌入式平台、专用集成电路之中。

Patent Agency Ranking