公开(公告)号：CN119781776A

公开(公告)日：2025-04-08

申请号：CN202510265416.4

申请日：2025-03-07

Applicant: 浪潮(北京)电子信息产业有限公司

Inventor： 侯鹏宇 ,  郝锐 ,  王彦伟 ,  李仁刚

IPC: G06F8/41

Abstract: 本申请公开了一种模型程序编译方法、电子设备、程序产品和介质，涉及人工智能技术领域，可为神经网络模型中的模型单元设置对应的块级指令，并在将神经网络模型由源程序编译为可执行程序的过程中，可利用该块级指令记录该模型单元的单元类型、输入该模型单元的运算数据所在的内存位置、该模型单元输出的运算结果所存放的内存位置，这样既可以减少编译模型单元所需的指令数量，同时有助于处理器一次性了解模型单元对应的运算操作、运算数据存放位置和运算结果存放位置，这样既可以降低可执行程序的体积和复杂度，同时也有助于提升处理效率。

公开(公告)号：CN117893397A

公开(公告)日：2024-04-16

申请号：CN202410225834.6

申请日：2024-02-29

Applicant: 浪潮(北京)电子信息产业有限公司

Inventor： 侯鹏宇 ,  王彦伟

IPC: G06T1/60 ,  G06N20/00 ,  G06N3/02 ,  G06T1/20

Abstract: 本发明公开了一种图像数据处理方法、装置、设备及介质，涉及计算机技术领域。图像数据处理过程中，深度学习模型的参数的第一张量通过第二张量的逼近张量替换得到，第二张量的逼近张量通过第二张量进行粗采样和细采样的元素规模处理，得到各元素规模下的子张量，再由各元素规模对应的子张量进行张量分解和组合得到，粗采样和细采样使得子张量的张量维度的元素个数发生变化，在各子张量进行张量分解时，降低张量分解时的计算复杂度，也降低了图像处理过程中数据处理的计算复杂度。通过各子张量进行张量分解和组合得到第二张量的逼近张量，具有较低的存储复杂度，在一定程度上对于图像数据处理过程中降低了内存空间，使得图像数据处理效率提高。