-
公开(公告)号：CN119721153B
公开(公告)日：2025-05-23
申请号：CN202510245688.8
申请日：2025-03-04
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种强化学习加速器、加速方法及电子设备，涉及加速器技术领域，包括：控制器将当前图像和历史图像特征分别写入对应输入缓存，将指令序列写入指令控制部件，指令控制部件接收指令序列并下发给参数分发部件，参数分发部件对指令序列进行解析后，将计算层访存参数、计算参数及启动指令分发到计算部件。计算部件在接收到启动指令后，依次读取输入缓存中的特征数据，访存参数和计算参数进行计算处理，使得计算部件能够根据不同的参数灵活地执行各类计算任务。整个加速器深度分析了强化学习模型的特点，能完整、高效、紧凑地支持该网络各层计算，提高该类模型的处理效率，避免交互时延，同时降低加速器的资源使用率。
-
公开(公告)号：CN119721168A
公开(公告)日：2025-03-28
申请号：CN202510229142.3
申请日：2025-02-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/082 , G06N3/0464 , G06V10/82
Abstract: 本发明公开了一种模型压缩方法、图像识别方法、产品、设备及介质，涉及数据处理领域，为解决模型压缩效果欠佳，无法很好地适配计算设备的问题，该方法包括利用各个卷积层的预测剪枝掩码向量对各个卷积层的输出通道进行剪枝操作；在当前次迭代中对各卷积层逐层执行量化操作；响应于当前次迭代满足结束条件，将所有卷积层均执行完量化操作后的压缩后模型作为目标模型部署在计算设备上。本发明能够在减少计算设备的存储和计算成本的同时，尽可能保留模型的精度，从而更好的适配计算设备的图像识别任务。
-
公开(公告)号：CN116206188A
公开(公告)日：2023-06-02
申请号：CN202310484624.4
申请日：2023-05-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V10/82 , G06N3/082 , G06N3/0464
Abstract: 本申请公开了一种图像识别方法、系统、设备及存储介质，应用于图像识别技术领域，包括：对训练完成的图像识别网络的目标卷积层进行剪枝，得到压缩卷积层并判断与目标卷积层的差异是否超出差异范围；若否，则按照结构重参数化的方式对压缩卷积层进行重构，得到第一重构卷积层；若是，则按照核集理论的重要性权重更新规则，对压缩卷积层的卷积核进行缩放，得到缩放卷积层，再对缩放卷积层进行重构，得到第二重构卷积层；使用第一或第二重构卷积层替换图像识别网络中的目标卷积层，得到压缩图像识别网络以进行图像识别。应用本申请的方案，采用结构重参数化结合核集理论的方式，有效地保障了所得到的压缩图像识别网络的图像识别准确率。
-
公开(公告)号：CN114329900A
公开(公告)日：2022-04-12
申请号：CN202111450077.5
申请日：2021-11-30
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种基于神经网络的器件参数获取方法、系统、装置及计算机可读存储介质，该基于神经网络的器件参数获取方法通过逆网络、判别网络和前向预测网络构成的神经网络为目标电磁光谱响应优化出对应的器件参数，本申请中将逆网络和判别网络结合对抗训练，优化生成的器件参数，使其接近真实参数，同时生成对抗网络所需训练数据集小，节省了硬件资源，提高了神经网络的鲁棒性，再将逆网络生成的满足真实条件的器件参数输入前向预测网络，实现逆网络和前向预测网络结合训练，当实际电磁光谱响应和目标电磁光谱响应匹配时，再输出逆网络生成的器件参数，优化生成的器件性能，在输入为期望的目标电磁光谱响应下，输出性能较高的器件参数。
-
公开(公告)号：CN111583095B
公开(公告)日：2022-03-22
申请号：CN202010442519.0
申请日：2020-05-22
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种图像数据处理方法，所述图像数据处理方法包括：将图像数据按照预设存储格式依次存储至动态随机存储器，以使所述动态随机存储器中相邻的所述图像数据具有连续的存储地址；从所述动态随机存储器中读取预设数量的多通道并行的图像数据，并将所述多通道并行的图像数据存储至FPGA的先进先出存储器；对所述先进先出存储器中的所述目标图像数据执行卷积操作，得到图像特征数据。本申请能够提高了图像数据的处理速率。本申请还公开了一种图像数据存储方法、一种图像数据处理系统、一种电子设备及一种存储介质，具有以上有益效果。
-
Patent Agency Ranking
公开(公告)号：CN110958177B
公开(公告)日：2022-02-18
申请号：CN201911082354.4
申请日：2019-11-07
Applicant: 浪潮电子信息产业股份有限公司
IPC: H04L45/00 , H04L45/302 , H04L41/14 , H04L43/08 , H04L49/109 , H04L49/25
Abstract: 本发明公开了一种片上网络路由优化方法、装置、设备及可读存储介质，该方法包括以下步骤：利用网络测试模型对片上网络进行测试，获得测试数据集；测试数据集包括不同路由测试策略，以及各种路由测试策略对应的网络性能；创建与片上网络匹配的深度神经网络；利用测试数据集对深度神经网络进行训练，以获得优化路由策略；按照优化路由策略，设置片上网络的各个节点路由参数。相较于人工设置路由策略，该方法可减少人工干预，简化路由控制过程，提高得到更优的路由策略。
-
公开(公告)号：CN111723907A
公开(公告)日：2020-09-29
申请号：CN202010529654.9
申请日：2020-06-11
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种模型训练设备、方法、系统及计算机可读存储介质，设备包括高带宽存储器组，用于存储待训练数据；全局存储器，用于存储目标模型的模型参数；与高带宽存储器组及全局存储器连接的处理器，用于基于目标模型的训练算法对待训练数据和全局存储器中存储的初始模型参数进行运算，得到目标模型参数并存储至全局存储器；且处理器基于片上网络搭建。本申请中，由于高带宽存储器的存储容量较大，所以可以存储较多的待训练数据，降低对高带宽存储器的读写次数，并且处理器基于片上网络搭建，所以处理器可以借助片上网络在自身内部传输相应数据，降低了对待传输数据的读写频率，与现有技术相比，可以提高模型的训练效率。
-
公开(公告)号：CN111583095A
公开(公告)日：2020-08-25
申请号：CN202010442519.0
申请日：2020-05-22
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种图像数据处理方法，所述图像数据处理方法包括：将图像数据按照预设存储格式依次存储至动态随机存储器，以使所述动态随机存储器中相邻的所述图像数据具有连续的存储地址；从所述动态随机存储器中读取预设数量的多通道并行的图像数据，并将所述多通道并行的图像数据存储至FPGA的先进先出存储器；对所述先进先出存储器中的所述目标图像数据执行卷积操作，得到图像特征数据。本申请能够提高了图像数据的处理速率。本申请还公开了一种图像数据存储方法、一种图像数据处理系统、一种电子设备及一种存储介质，具有以上有益效果。
-
公开(公告)号：CN110781819A
公开(公告)日：2020-02-11
申请号：CN201911025107.0
申请日：2019-10-25
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种图像目标检测方法，应用于异构平台的并行处理芯片，所述图像目标检测方法包括：接收卷积神经网络对图像进行目标识别得到的多个目标对象边界框的边界框信息；将边界框信息存储至随机存取存储器RAM；对读取的边界框信息多路并行执行基于非极大值抑制算法的局部最大搜索操作，得到预设数量的待输出边界框；将待输出边界框的边界框信息传输至异构平台的中央处理器CPU，以便中央处理器CPU输出图像目标检测结果。本申请能够减少图像目标检测过程中并行处理芯片与CPU的通信数据量，提高图像目标检测的效率。本申请还公开了一种图像目标检测系统、一种电子设备及一种存储介质，具有以上有益效果。
-
公开(公告)号：CN110516799A
公开(公告)日：2019-11-29
申请号：CN201910760143.5
申请日：2019-08-16
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种数据处理系统、方法及介质，包括卷积运算模块，卷积运算模块包括第一寄存器组、第二寄存器组以及与第一寄存器组和第二寄存器组连接的运算器；第一寄存器组用于获取待处理数据中的本轮待卷积数据，将获取到的本轮待卷积数据传输至运算器，并且在运算器进行本轮卷积运算的过程中，如果待处理数据还未处理完毕，则获取待处理数据中的下一轮待卷积数据并传输至运算器；第二寄存器组用于获取卷积核数据，并将当前获取到的卷积核数据传输至运算器；运算器用于获取所述第一寄存器组传输的每轮待卷积数据，以及获取第二寄存器组传输的卷积核数据，并对获取到的每轮待卷积数据和卷积核数据分别进行卷积运算，以得到相应的卷积运算结果。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.047 seconds)
