-
公开(公告)号：CN116841529A
公开(公告)日：2023-10-03
申请号：CN202310445118.4
申请日：2023-04-21
IPC分类号： G06F8/34 , G06F8/41 , G06N3/049 , G06N3/0464 , G06N3/0455 , G06N3/10 , G06N3/08
摘要： 本申请涉及一种脉冲神经网络模型的在线可视化开发方法和装置。所述方法包括：获取脉冲神经网络训练用的数据集；从预设的脉冲神经网络图形化设计页面中获取初始脉冲神经网络结构的设计元素和与设计元素对应的属性值；基于设计元素及其属性值进行自动代码转换构建初始脉冲神经网络结构；基于数据集以及脉冲神经网络结构进行训练代码自动生成，根据训练代码进行网络训练，得到目标脉冲神经网络模型；并在训练过程中，对脉冲神经网络的训练监控数据进行可视化展示。采用本方法能够结合图形化和代码编辑两种方式构建和训练脉冲神经网络模型，且在开发过程中为开发者提供可视化的信息进行指导和分析，以提高脉冲神经网络的开发质量。
-
-
公开(公告)号：CN117170843A
公开(公告)日：2023-12-05
申请号：CN202311113941.1
申请日：2023-08-31
摘要： 本发明公开了一种基于时间片的神经元计算机任务调度方法，应用于神经元计算机操作系统，包括：通过对任务运行进行动态特征提取，将任务所占资源划分为计算单元资源、运行模式资源、通讯资源和独立同步源资源；基于此，将神经元计算机硬件的计算切分为时间片分时运行以同时运行占用不同资源的任务，利用贪心算法求解可以运行最多任务数的时间片，从而提高硬件的并行计算效率，并且利用任务冲突频率特征来定向迁移任务，进一步提高了神经计算资源的利用率。本发明利用资源特征抽象化方法增强异构神经形态计算硬件的可适配性和运行多任务的能力，从而有效提高了多任务运行场景下的资源利用率。
-
公开(公告)号：CN116720575A
公开(公告)日：2023-09-08
申请号：CN202310522580.X
申请日：2023-05-10
IPC分类号： G06N3/10 , G06N3/049 , G06F3/04847 , G06F3/04845
摘要： 本发明公开了一种解释脉冲神经网络模型运行的可视化交互方法，在编辑模式下，包括以下步骤：设计脉冲神经网络模型的网络结构；修改脉冲神经网络模型的神经元连接权重值；设置脉冲神经网络模型的每层阈值电压；随机生成脉冲神经网络模型的输入脉冲序列；基于设置结果运行脉冲神经网络模型并进行动态可视化。在模型文件导入模式下，包括以下步骤：输入脉冲神经网络模型文件并进行模型结构解析；运行解析的脉冲神经网络模型并进行动态可视化。该方法可以实现对脉冲神经网络模型运行过程的可视化解释。
-
公开(公告)号：CN116070682B
公开(公告)日：2023-08-15
申请号：CN202310354756.5
申请日：2023-04-06
摘要： 本发明公开了神经元计算机操作系统的SNN模型动态映射方法及装置，通过根据节点之间连接关系、设置的初始解空间映射，以及输入、输出虚拟节点相对物理神经元拟态核边缘核心的位置，构建脉冲通信代价计算模型，计算前继节点与后继节点对应物理坐标间的距离，基于节点间的距离和对应的权重信息，得到脉冲通信代价；同时，基于初始解空间，通过贪心算法遍历逻辑神经元拟态核在不同空闲物理神经元拟态核时的脉冲通信代价，得到最小脉冲通信代价时，逻辑神经元拟态核与物理神经元拟态核的映射关系。从而解决了类脑硬件资源因碎片化而无法直接将模型的逻辑神经元拟态核相对位置一一映射到物理神经元拟态核的问题。
-
公开(公告)号：CN117688992B
公开(公告)日：2024-06-04
申请号：CN202410141524.6
申请日：2024-02-01
摘要： 本申请涉及一种神经元计算机操作系统的资源映射方法和装置，其中，该方法包括：获取待运行的应用；将硬件的运行资源抽象为二维网格；基于最大空矩形法将空闲计算核心划分为矩形核心集合并确定最匹配的核心集合；基于硬件中各计算核心之间的脉冲通信代价、输入输出核心与计算核心之间的脉冲通信代价、二维网格中全部计算核心所占面积以及预设的经验常量构建代价函数；基于代价函数确定映射代价最小的映射方案。本申请通过神经元计算机操作系统建立准确估算映射代价的映射代价函数，通过代价函数确定映射代价最小的映射方案，为脉冲神经网络映射硬件资源，解决了相关技术中脉冲神经网络运行性能较低的问题，提高了脉冲神经网络的运行性能。
-
公开(公告)号：CN117688992A
公开(公告)日：2024-03-12
申请号：CN202410141524.6
申请日：2024-02-01
摘要： 本申请涉及一种神经元计算机操作系统的资源映射方法和装置，其中，该方法包括：获取待运行的应用；将硬件的运行资源抽象为二维网格；基于最大空矩形法将空闲计算核心划分为矩形核心集合并确定最匹配的核心集合；基于硬件中各计算核心之间的脉冲通信代价、输入输出核心与计算核心之间的脉冲通信代价、二维网格中全部计算核心所占面积以及预设的经验常量构建代价函数；基于代价函数确定映射代价最小的映射方案。本申请通过神经元计算机操作系统建立准确估算映射代价的映射代价函数，通过代价函数确定映射代价最小的映射方案，为脉冲神经网络映射硬件资源，解决了相关技术中脉冲神经网络运行性能较低的问题，提高了脉冲神经网络的运行性能。
-
公开(公告)号：CN116820707A
公开(公告)日：2023-09-29
申请号：CN202310530972.0
申请日：2023-05-08
摘要： 本发明公开了一种神经元计算机两阶段任务动态调度方法，包括：将新任务作为缓存任务存入缓存队列，依据新任务的预计执行时长、缓存队列的任务吞吐率以及正在执行队列的任务完成情况计算延迟调度的等待调度时长；当等待调度时长到达时，基于Johnson法则优化两阶段任务的最优调度求解策略对缓存队列进行求解得到延迟最优调度序列，并按照延迟最优调度序列将缓存任务添加到正在执行队列，这样在任务的动态调度中根据实时环境的变化延迟缓存不同时刻任务队列，在局部最优调度的基础上寻求全局最优，形成了快速响应反馈调度方式，有效解决了两阶段任务动态调度问题，提高了两阶段关联任务调度的可靠性。
-
公开(公告)号：CN116541177A
公开(公告)日：2023-08-04
申请号：CN202310669851.4
申请日：2023-06-07
摘要： 本申请涉及一种神经元计算机节点负载均衡的方法、神经元计算机系统以及存储介质。所述方法包括：各节点上处理器核心的资源占用状态，生成各所述节点的资源动态特征矩阵；基于所述资源动态特征矩阵，获取各节点上与待部署应用所需资源格式相匹配的放置方案，并计算各所述放置方案的适应值；基于所述适应值，获取各所述节点的最大适应值，并计算对应的可分配系数；基于所述可分配系数，确定所述待部署应用的部署节点。采用本方法能够及时评估各节点负载情况并根据节点负载情况进行负载均衡决策，解决了现有技术中因负载信息描述不足而导致的节点负载均衡决策困难的问题，提高了神经元计算机系统的资源利用率以及负载均衡的可靠性。
-
公开(公告)号：CN116225689A
公开(公告)日：2023-06-06
申请号：CN202211612049.3
申请日：2022-12-15
摘要： 本发明公开了基于静态中继的神经元操作系统任务资源配置方法及装置，根据任务的不同状态，分别维护任务队列new list、delay list、ready list、running list；进行静态中继配置，基于硬件约束条件，提供所有计算核心可达的数据通路；通过计算资源分配，采用最大空矩形算法，给任务分配可用的计算资源；最后，对计算资源回收，在任务到达截止时间后，回收任务占用的资源，实现重复利用。本发明通过静态中继方案，解决了芯片中的核心超过一定距离数据包无法到达的问题；通过维护最大空矩形列表的方式管理空闲资源，实现了资源分配与回收的功能，能够使任务充分利用类脑芯片提供的计算资源。
-
-
-
-
-
-
-
-
-
搜索结果
293 条记录 (耗时 0.04 秒)
