-
-
公开(公告)号：CN113609310A
公开(公告)日：2021-11-05
申请号：CN202110983670.X
申请日：2021-08-25
Applicant: 上海交通大学 , 上海燧原科技有限公司
Abstract: 本发明提供了一种单机大规模知识图谱嵌入方法及系统，包括：步骤S1：根据关系对知识图谱进行划分操作，得到多个子知识图谱；步骤S2：将各个子知识图谱与GPU绑定，利用GPU对子知识图谱进行训练，得到知识图谱中每个实体与关系对应的嵌入向量。相比于传统使用分布式集群来进行大规模知识图谱嵌入训练的方法，本发明使用非易失性内存大容量的特性，并且合理分配知识图谱训练过程中的数据在非易失性内存、GPU显存与DRAM的位置，能够克服分布式训练过程中网络通信所带来的性能开销，使得在不影响最终嵌入向量质量的情况下，总体训练效率提升40％‑50％；同时还能大大节约搭建分布式集群的费用，具有经济上的优势。
-
公开(公告)号：CN113599798A
公开(公告)日：2021-11-05
申请号：CN202110983668.2
申请日：2021-08-25
Applicant: 上海交通大学 , 上海燧原科技有限公司
Abstract: 本发明提供了一种基于深度强化学习方法的中国象棋博弈学习方法及系统，包括：步骤S1：将局面特征输入深度卷积神经网络，输出当前局面评估值和所有合法着法的概率；步骤S2：当前局面根据当前局面评估值和合法着法的概率，利用蒙特卡洛树搜索对当前局面进行决策，选择下一步的着法并执行走子，获取当前局面特征，重复触发步骤S1至步骤S2，直至棋局走到终局，得到对弈结果。本发明通过基于人类专家棋谱的监督学习和基于自我对弈的自学习的技术特征，实现快速提升模型棋力，并以迭代式方法逐步增强棋力以至模型棋力最终超过人类棋手的技术效果。
-
公开(公告)号：CN113609310B
公开(公告)日：2023-08-08
申请号：CN202110983670.X
申请日：2021-08-25
Applicant: 上海交通大学 , 上海燧原科技有限公司
IPC: G06F16/36 , G06F9/50 , G06F9/54 , G06T1/20 , G06F18/214
Abstract: 本发明提供了一种单机大规模知识图谱嵌入方法及系统，包括：步骤S1：根据关系对知识图谱进行划分操作，得到多个子知识图谱；步骤S2：将各个子知识图谱与GPU绑定，利用GPU对子知识图谱进行训练，得到知识图谱中每个实体与关系对应的嵌入向量。相比于传统使用分布式集群来进行大规模知识图谱嵌入训练的方法，本发明使用非易失性内存大容量的特性，并且合理分配知识图谱训练过程中的数据在非易失性内存、GPU显存与DRAM的位置，能够克服分布式训练过程中网络通信所带来的性能开销，使得在不影响最终嵌入向量质量的情况下，总体训练效率提升40％‑50％；同时还能大大节约搭建分布式集群的费用，具有经济上的优势。
-
公开(公告)号：CN113677091A
公开(公告)日：2021-11-19
申请号：CN202111069236.7
申请日：2021-09-13
Applicant: 上海燧原科技有限公司
IPC: H05K1/14
Abstract: 本申请提供一种PCB电路板，包括第一电路板和第二电路板，其中：所述第一电路板和所述第二电路板之间的电源端、接地端和信号端通过电阻、开关或连接线来连接；在需要第一尺寸的PCB电路板时，将所述第二电路板从所述PCB电路板上切割下来，将所述第一电路板作为所述PCB电路板；在需要第二尺寸的PCB电路板时，将所述第一电路板和所述第二电路板整体作为所述PCB电路板。本申请可以实现使用同一块PCB电路板来满足不同尺寸的PCB电路板的打板及装配需求；同时，可以缩短产品的设计及生产制造周期，降低PCB电路板的制造成本。
-
Patent Agency Ranking
公开(公告)号：CN109947580A
公开(公告)日：2019-06-28
申请号：CN201910239307.X
申请日：2019-03-27
Applicant: 上海燧原智能科技有限公司 , 上海燧原科技有限公司
Abstract: 本发明实施例公开了一种中断处理方法、装置、设备和存储介质，该方法包括：通过通用总线接收中断发起设备发出的中断消息，所述中断消息包括中断设备号以及中断事务信息；将所述中断消息经由通用总线写入中断缓存；发送中断处理信号至中央处理器，用于所述中央处理器读取所述中断缓存中存储的中断消息。本发明实施例的技术方案，通过通用总线接收各中断发起设备发出的中断消息，既避免了由于布置信号线带来的拥塞问题，又保证了各中断消息的时序收敛；同时，中央处理器在接收到中断处理信号后，从中断缓存中读取中断消息，避免了对各中断发起设备进行中断查询操作，极大地降低了中断处理延迟。
-
公开(公告)号：CN116627645A
公开(公告)日：2023-08-22
申请号：CN202310600324.8
申请日：2023-05-25
Applicant: 上海燧原科技有限公司
Abstract: 本发明公开了一种云端混合加速器的调度方法、计算机设备及存储介质，涉及人工智能技术。该方法包括：接收客户端发送的模型并行值；根据模型并行值和异构的加速器资源确定环境变量；根据环境变量确定加速器拓扑信息；根据拓扑信息和环境变量调度加速器执行模型训练任务。能够根据客户端发送的模型并行值，计算异构加速器场景中加速器使用的环境变量，根据环境变量确定异构场景的加速器拓扑信息，根据该拓扑信息和环境变量调度异构的AI加速器执行AI模型训练，进而实现多个代际的AI加速器联合执行AI模型训练任务，提高AI加速器的使用率。
-
公开(公告)号：CN113599798B
公开(公告)日：2023-03-17
申请号：CN202110983668.2
申请日：2021-08-25
Applicant: 上海交通大学 , 上海燧原科技有限公司
Abstract: 本发明提供了一种基于深度强化学习方法的中国象棋博弈学习方法及系统，包括：步骤S1：将局面特征输入深度卷积神经网络，输出当前局面评估值和所有合法着法的概率；步骤S2：当前局面根据当前局面评估值和合法着法的概率，利用蒙特卡洛树搜索对当前局面进行决策，选择下一步的着法并执行走子，获取当前局面特征，重复触发步骤S1至步骤S2，直至棋局走到终局，得到对弈结果。本发明通过基于人类专家棋谱的监督学习和基于自我对弈的自学习的技术特征，实现快速提升模型棋力，并以迭代式方法逐步增强棋力以至模型棋力最终超过人类棋手的技术效果。
-
公开(公告)号：CN112508190A
公开(公告)日：2021-03-16
申请号：CN202011455260.X
申请日：2020-12-10
Applicant: 上海燧原科技有限公司
IPC: G06N3/08
Abstract: 本发明公开了一种结构化稀疏参数的处理方法、装置、设备及存储介质，该方法包括：获取稠密参数；在神经网络模型的任意一个训练周期中：根据稠密参数确定掩码；根据掩码和稠密参数，计算稀疏参数；根据稀疏参数进行神经网络模型的前向计算以及反向梯度计算，反向梯度计算得到反向梯度；根据反向梯度更新稠密参数，以便在下一个训练周期中，根据更新的稠密参数确定掩码；以此类推，持续更新稠密参数，直至神经网络模型训练结束。能够随着神经网络模型的训练过程中稠密参数的更新，基于更新的稠密参数确定合适的掩码，进而确定更加合适的稀疏参数参与本周期的训练，提高神经网络模型的训练精度，优化神经网络模型训练效果。
-
公开(公告)号：CN111413637A
公开(公告)日：2020-07-14
申请号：CN202010269929.X
申请日：2020-04-08
Applicant: 上海燧原科技有限公司
Abstract: 本申请实施例公开了一种电源信号的处理系统和方法，该系统中的采集单元用于选择被测试板中的一路电源作为待处理电源，采集待处理电源的电源信号，并输出；其中，被测试板包括多路电源；与采集单元相连的处理单元，用于提取电源信号中的电流值和/或电压值，并对提取得到的电流值和/或电压值进行统计并运算，得到运算结果，存储运算结果到存储服务器；其中，处理单元采用现场可编程逻辑门阵列FPGA构建得到。由于本申请实施例中处理单元不需要将电源信号中的电流值和/或电压值进行存储后再运算，因此本申请实施例中的电源信号的处理系统对存储空间的要求较低，可持续采集电源信号的时间也较长。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.043 seconds)
