-
公开(公告)号:CN113298243A
公开(公告)日:2021-08-24
申请号:CN202110136068.2
申请日:2021-02-01
申请人: 阿里巴巴集团控股有限公司
摘要: 公开了一种用于卷积计算的数据存储管理方法和装置以及卷积计算硬件加速器。将特征图的较低层级分块存储到较低层级存储器。从较低层级存储器中的较低层级分块中读取较高层级分块,并将较高层级分块存储到较高层级存储器。较高层级分块是所述较低层级分块的一部分较高层级存储器的存储层级高于较低层级存储器的存储层级。由此,在针对卷积计算的硬件加速中,显著降低了数据访存开销和存储空间需求。
-
公开(公告)号:CN113473126B
公开(公告)日:2023-03-17
申请号:CN202010244868.1
申请日:2020-03-31
申请人: 阿里巴巴集团控股有限公司
IPC分类号: H04N19/127 , H04N19/156
摘要: 本申请实施例提供了一种视频流的处理方法、装置、电子设备及计算机可读介质,涉及互联网技术领域。其中,所述方法包括:通过调用视频流处理工具的视频流处理接口,将原始视频流中的视频帧存入第一缓冲区中;通过视频帧处理模型,对所述第一缓冲区中的视频帧进行处理,以获得处理后的视频帧;基于所述处理后的视频帧,生成所述原始视频流对应的标准视频流。通过本申请实施例,不仅能够有效降低视频流处理的软件复杂度,而且还能够有效提高视频流的处理速度。
-
公开(公告)号:CN113298083A
公开(公告)日:2021-08-24
申请号:CN202110212564.1
申请日:2021-02-25
申请人: 阿里巴巴集团控股有限公司
摘要: 本申请提供了一种数据处理方法及装置。在本申请中,基于数据处理网络对输入数据处理,得到中间数据,获取注意力网络输出的固定的注意力特征,固定的注意力特征是至少使用初始化的注意力特征训练模型后得到的,初始化的注意力特征中的包括的各个注意力权重中不全相同,基于模型中的数据聚合网络、根据固定的注意力特征对中间数据处理,得到输出数据,固定的注意力网络之前不接任何输入,即注意力网络输出的注意力特征与输入数据无关。固定的注意力特征不仅能让模型中更重要的参数发挥更大的作用,提高模型准确度,并能定位出参数的重要性,也有利于模型进一步地压缩,另外也规避了某一些归一化层给传统注意力网络带来的输入特征相同的问题。
-
公开(公告)号:CN113313248A
公开(公告)日:2021-08-27
申请号:CN202110218718.8
申请日:2021-02-26
申请人: 阿里巴巴集团控股有限公司
摘要: 本申请提供了一种共享自适应度优化方法及装置。将模型中的参数划分为至少两组参数集,获取每一组参数集对应的原始梯度。根据各个组参数集对应的原始梯度对各个组参数集对应的当前学习率进行自适应调整,得到各个组参数集对应的目标学习率,至少根据各个组参数集对应的目标学习率对各个组参数集中的参数进行优化。优化同一组参数集中的参数的过程使用的目标学习率可以相同,如此可以提高同一组参数集中的参数能够收敛到更优解的可能性,进而可以尽可能地提高模型的泛化性。优化不同组的参数集的过程使用的目标学习率可以不同,进而使得各个组参数集中的参数可以快速收敛。综上,本申请可以在参数快速收敛以及参数收敛到更优解这两方面兼顾平衡。
-
公开(公告)号:CN113473126A
公开(公告)日:2021-10-01
申请号:CN202010244868.1
申请日:2020-03-31
申请人: 阿里巴巴集团控股有限公司
IPC分类号: H04N19/127 , H04N19/156
摘要: 本申请实施例提供了一种视频流的处理方法、装置、电子设备及计算机可读介质,涉及互联网技术领域。其中,所述方法包括:通过调用视频流处理工具的视频流处理接口,将原始视频流中的视频帧存入第一缓冲区中;通过视频帧处理模型,对所述第一缓冲区中的视频帧进行处理,以获得处理后的视频帧;基于所述处理后的视频帧,生成所述原始视频流对应的标准视频流。通过本申请实施例,不仅能够有效降低视频流处理的软件复杂度,而且还能够有效提高视频流的处理速度。
-
公开(公告)号:CN113298258A
公开(公告)日:2021-08-24
申请号:CN202010859374.4
申请日:2020-08-24
申请人: 阿里巴巴集团控股有限公司
摘要: 本公开实施例公开了一种数据处理方法、机器学习模型推理方法、装置和电子设备。该数据处理方法包括获取用于组成推理引擎的操作以及多个核函数;响应于获取样本数据,基于所述样本数据确定所述操作的输入尺寸;从所述多个核函数中为所述操作选择核函数,其中,以预定概率选择所述输入尺寸下未执行过的核函数,否则选择所述输入尺寸下已执行过的耗时最短的核函数;以及基于所选择的核函数组成推理引擎,并基于所述推理引擎处理所述样本数据以获取推理结果,通过针对不同尺寸的样本数据选择不同的核函数,能够提高对不同尺寸样本数据的推理性能,同时,核函数执行时间的测量在推理时进行,减少了推理引擎的初始化时间。
-
-
-
-
-