-
公开(公告)号：CN116629330A
公开(公告)日：2023-08-22
申请号：CN202310451059.1
申请日：2023-04-24
Applicant: 北京大学
IPC: G06N3/063 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本公开提供了一种算子检测方法、装置以及计算机设备，其中，该方法包括：获取神经网络模型的模型文件；基于所述模型文件确定神经网络模型中各网络层的结构描述信息；对每个所述网络层的结构描述信息进行遍历，得到每个所述网络层的算子信息，并基于每个所述网络层的算子信息生成目标算子列表；所述算子信息用于指示各网络层中算子的属性信息和算子之间的依赖关系；对所述目标算子列表进行检查，得到检查结果；通过所述检查结果确定能够通过所述神经网络模型的硬件设备执行相应计算操作的算子。
-
公开(公告)号：CN115934346A
公开(公告)日：2023-04-07
申请号：CN202211689392.8
申请日：2022-12-28
Applicant: 北京大学
Abstract: 本申请公开了一种算子的自动检测方法、装置、电子设备及介质。通过应用本申请的技术方案，可以实现一种能够对待检测算子在不同计算设备下的算子支撑能力的自动测试。通过待检测算子在计算精度、计算效率与标准结果的能力对比来获得算子在不同场景下的计算能力判断。从而达到避免相关技术中出现的，无法为不同硬件设备或不同应用功能应用所需算子的问题。
-
公开(公告)号：CN108764292B
公开(公告)日：2022-03-18
申请号：CN201810390879.3
申请日：2018-04-27
Applicant: 北京大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种基于弱监督信息的深度学习图像目标映射及定位方法。该方法包括：使用带有类别标签的图像数据分别训练两个深度卷积神经网络框架，得到分类模型M1和分类模型M2，并获取全局带参可学习池化层参数；使用新的分类模型M2对测试图像进行特征提取，得到特征图，根据特征图通过特征类别映射及阈值法得到初步定位框；使用选择性搜索方法对测试图像进行候选区域提取，使用分类模型M1筛选类别出候选框集合；对初步定位框和候选框进行非极大值抑制处理，得到测试图像最终的目标定位框。本发明引入全局带参可学习池化层，能够学习得到关于目标类别j的更好的特征表达，并通过使用选择性特征类别映射的方式，有效得到图像中目标物体的位置信息。
-
公开(公告)号：CN112817722A
公开(公告)日：2021-05-18
申请号：CN202110141136.4
申请日：2021-02-01
Abstract: 本发明公开了一种基于优先级的分时调度方法、终端及存储介质，方法包括：确定各个待调度任务的所属用户；获取第一预设时长内各个用户已运行任务的时长，根据各个用户已运行任务的时长在各个待调度任务中确定目标任务；为目标任务分配运行资源。本发明在对各个用户的任务进行调度时，根据一定时长内各个用户已经运行任务的时长确定当前需要被分配运行资源的任务，可以实现各个用户的任务完成进度更平均。
-
公开(公告)号：CN110807467A
公开(公告)日：2020-02-18
申请号：CN201910882778.2
申请日：2019-09-18
Applicant: 北京大学
Abstract: 本发明涉及深度学习领域，特别涉及一种基于支持点学习的开集类别发掘方法与装置。包括：将样本输入训练好的深度神经网络获得样本特征，计算样本特征与每个类别的支持点集的距离，根据分类阈值和最大距离确定样本为未知样本或已定义样本，如果是已定义类别样本，对样本进行分类,如果是未知样本，对样本进行拒绝。本发明解决如今开集识别训练阶段不能引入未知信息的问题。
-
Patent Agency Ranking
公开(公告)号：CN101047848A
公开(公告)日：2007-10-03
申请号：CN200710098823.2
申请日：2007-04-27
Applicant: 北京大学
Abstract: 本发明涉及一种支持多视点视频合成的网络流媒体播放器，它包括一个数据接收模块和一个呈现模块，其特征在于：它还包括一个以上解码模块和一个合成模块；所述数据接收模块通过一条以上IP连接接收压缩视频码流，并将所接收数据向一个以上解码模块转发，此外它还从用户界面接收视点切换命令并向合成模块转发；所述解码模块从数据接收模块接收压缩视频帧数据并解码，并向合成模块转发解码后的原始视频帧数据；所述合成模块从一个以上解码模块接收原始视频帧数据并进行虚拟视合成，另一方面将合成结果向呈现模块转发，此外它还从数据接收模块接收视点切换命令；所述呈现模块从合成模块接收虚拟视频帧并向显示设备进行转发。本发明能够在一个播放器框架下同时与流媒体服务器建立多条网络连接并同时接收和解码多个视频码流。
-
公开(公告)号：CN119512735A
公开(公告)日：2025-02-25
申请号：CN202411352508.8
申请日：2024-09-26
Applicant: 北京大学
IPC: G06F9/50
Abstract: 本公开提供一种显存的分配方法和装置，涉及通信技术领域。上述方法包括：对所述服务端中的显存，检测在运行过程中实际的第一显存参数，所述服务端部署有多个模型；根据所述第一显存参数，对所述显存预测第二显存参数；对所述服务端，预测未来预设时间段中目标用户的用户请求信息；根据所述第一显存参数、所述第二显存参数和用户请求信息，进行针对所述未来预设时间段的显存分配。本公开可以针对多模型的资源需求冲突，通过对尚未充分使用的内存和CPU计算能力进行开发，以将多个模型更加紧凑地部署在一台计算设备之上，实现多模型的并存和并发。
-
公开(公告)号：CN112817722B
公开(公告)日：2024-08-23
申请号：CN202110141136.4
申请日：2021-02-01
Abstract: 本发明公开了一种基于优先级的分时调度方法、终端及存储介质，方法包括：确定各个待调度任务的所属用户；获取第一预设时长内各个用户已运行任务的时长，根据各个用户已运行任务的时长在各个待调度任务中确定目标任务；为目标任务分配运行资源。本发明在对各个用户的任务进行调度时，根据一定时长内各个用户已经运行任务的时长确定当前需要被分配运行资源的任务，可以实现各个用户的任务完成进度更平均。
-
公开(公告)号：CN116739040A
公开(公告)日：2023-09-12
申请号：CN202310561570.7
申请日：2023-05-18
Applicant: 北京大学
IPC: G06N3/04
Abstract: 本发明提供一种深度学习模型部署方法和装置，方法包括：获取深度学习原始模型文件、第一关系表及第二关系表；第一关系表中包含深度学习原始模型文件中中各原始算子、各原始算子的第一中间表示算子集版本；第二关系表中包括第一中间表示算子集版本，和所述第一中间表示算子集版本对应的第一推理引擎版本、第一中间表示版本之间的对应关系；基于深度学习原始模型文件、第一关系表以及第二关系表，确定进行深度学习原始模型转换需要的版本参数；基于版本参数，确定深度学习原始模型的可部署的中间表示模型；将可部署的中间表示模型部署在目标设备上。基于此，解决深度学习模型部署过程需要依赖大量的人工操作，不够便捷以及自动化的问题。
-
公开(公告)号：CN116700950A
公开(公告)日：2023-09-05
申请号：CN202310519539.7
申请日：2023-05-09
Applicant: 北京大学
IPC: G06F9/50
Abstract: 本发明公开了一种集群中节点调度方法、装置、存储介质及终端，方法包括：在接收到待处理作业任务的调度指令时，在虚拟化集群中筛选出符合条件的多个候选节点；调用预先构建的作业统计反馈处理函数，并通过作业统计反馈处理函数获取每个候选节点的历史作业任务统计信息；历史作业任务统计信息是根据预先构建的作业统计函数对节点运行结束时的实际运行结果进行获取，并基于获取的实际运行结果更新该节点上的历史统计信息生成的；根据每个候选节点的历史作业任务统计信息，在多个候选节点中确定待处理作业任务的最优节点，并进行最优节点的调度。因此，采用本申请实施例，可以优化整个集群系统的调度管理，能提高资源节点的利用率。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.023 seconds)
