公开(公告)号：CN115049103B

公开(公告)日：2024-09-24

申请号：CN202210521780.9

申请日：2022-05-13

Applicant: 中国科学院计算技术研究所

Inventor： 张婕 ,  张园 ,  曹华伟 ,  安学军 ,  叶笑春

IPC: G06Q10/047 ,  G06F9/50

Abstract: 本发明提供了一种遍历图数据的方法，包括：获取待处理的图数据；获取处理器中线程的线程数量，根据线程数量和图数据中的节点数量将图数据的列数组记录的所有节点按节点编号均衡地分给各线程，得到多个第一子图；对各第一子图，分别以行数组记录的每个节点为排序单位，根据节点的邻边的权重大小将各邻边重新排序得到第二子图，确定每个第二子图中行数组记录的各个节点的轻边数量；由各线程基于改进的德尔塔步进算法和选定的根节点对相应的第二子图进行图遍历，该算法在对相应节点的轻边或者重边进行遍历时，根据相应节点的轻边数量在第二子图中确定该节点的轻边或者重边所在位置；根据所有线程的第二子图的子遍历结果，得到图数据的遍历结果。

公开(公告)号：CN117851015A

公开(公告)日：2024-04-09

申请号：CN202410033218.0

申请日：2024-01-09

Applicant: 中国科学院计算技术研究所

Inventor： 张园 ,  曹华伟 ,  张婕 ,  孙一鸣 ,  安学军 ,  叶笑春

IPC: G06F9/48 ,  G06F9/50 ,  G06T1/20

Abstract: 本发明提供了一种应用多GPU协同进行单源最短路径计算方法，包括步骤：S1、获取原始的第一图数据和预设的步进增量，根据步进增量预先确定第一图数据中的轻边和重边，构建在不同子图分别存储轻边和重边的局部感知的第二图数据；S2、将所述第二图数据中的轻边和重边均衡划分为N份，并根据每份划分到的轻边和重边，生成在不同子图分别存储轻边和重边的第三图数据，得到N份第三图数据，所述N为参与计算的GPU的数量，N≥2；S3、获取源顶点，由N个GPU读取各自分到的第三图数据，基于德尔塔步进算法协同进行单源最短路径计算，确定源顶点到每个顶点间的最短路径；本发明提升了确定单源最短路径的效率。

公开(公告)号：CN111695685B

公开(公告)日：2023-09-26

申请号：CN202010395809.4

申请日：2020-05-12

Applicant: 中国科学院计算技术研究所

Inventor： 严明玉 ,  李涵 ,  叶笑春 ,  曹华伟 ,  范东睿

IPC: G06F16/903 ,  G06F16/901 ,  G06N3/042 ,  G06N3/063

Abstract: 本发明提出一种面向图神经网络应用的片上存储系统及方法，包括：步骤1，根据处理单元对图神经网络模型中向量数据的访存请求，判断在片上存储系统的第一级CAM结构中是否有于该访存请求对应的查询结果，若有则执行步骤2，否则判断在片上存储系统的第二级CAM结构中是否有于该访存请求对应的查询结果，若有则执行步骤2，否则根据所需的向量数据批量对片外存储器发起片外访存请求，并替换片上存储内的指定向量数据；步骤2，根据该查询结果，得到对应的SPM索引标记，利用该SPM索引标记中的Sector Index字段以向量方式访问SPM中的相应向量数据，并将该相应数据返回给处理单元。本发明能有效提升面向图神经网络应用的片上存储系统的利用率和访存通量。

公开(公告)号：CN114896070A

公开(公告)日：2022-08-12

申请号：CN202210617292.8

申请日：2022-06-01

Applicant: 中国科学院计算技术研究所

Inventor： 孙一鸣 ,  曹华伟 ,  张园 ,  叶笑春 ,  范东睿

IPC: G06F9/50 ,  G06F9/48 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种用于深度学习任务的GPU资源分配方法，包括：获取深度学习任务对应的网络结构特征、执行特征及可用资源集；基于利用率预测模型根据网络结构特征、执行特征对深度学习任务的资源利用率进行预测，得到资源利用率集；基于资源利用率集从可用资源集中确定满足深度学习任务的资源需求的所有工作节点并且根据预定的选择规则从所有工作节点中选择一个工作节点为深度学习任务分配资源，并将深度学习任务及其资源需求发送给所选择的工作节点。本发明的技术方案通过对深度学习任务的资源需求量进行预测，根据预测的资源需求量来对容器云集群中的GPU资源进行合理分配，从而实现容器云集群中的GPU资源共享以及提升容器云集群中的GPU利用率。

公开(公告)号：CN109992413A

公开(公告)日：2019-07-09

申请号：CN201910155053.3

申请日：2019-03-01

Applicant: 中国科学院计算技术研究所

Inventor： 曹华伟 ,  张承龙 ,  安学军 ,  叶笑春 ,  范东睿

IPC: G06F9/50 ,  G06F16/53

Abstract: 本发明涉及一种面向宽度优先搜索算法的加速装置、方法及存储介质，其中，该装置包括：内存模块，用于存储图数据与搜索结果；执行单元模块，用于根据所述面向宽度优先搜索算法的内在特征，构架多级流水线以执行遍历搜索任务；访存复用模块，用于根据设定的优先级处理所述流水线的访存请求；调度模块，用于将所述内存模块的响应数据分发到空闲的执行单元；控制模块用于控制与管理所述各个模块。该方法与装置可以提高图数据处理的计算效率。

公开(公告)号：CN109615116A

公开(公告)日：2019-04-12

申请号：CN201811381191.5

申请日：2018-11-20

Applicant: 中国科学院计算技术研究所

Inventor： 贾瑞花 ,  张承龙 ,  曹华伟 ,  叶笑春 ,  范东睿

IPC: G06Q10/04 ,  G06Q30/00 ,  G06Q50/30 ,  G06N99/00

Abstract: 本发明提供了一种电信诈骗事件检测方法和检测系统，其利用构建的电信诈骗事件检测模型来预测诈骗模式。诈骗事件检测模型的构建包括：基于已有的诈骗行为数据建立反映不同时间序列通联模式的动态通联图；基于所述动态通联图挖掘存在诈骗行为的异常子图序列，其中，所述异常子图序列由异常节点、与异常节点关联的节点和边构成；基于所述异常子图序列训练多分类模型，获得用于检测多种诈骗模式的电信诈骗事件检测模型。利用本发明的检测方法和检测系统，能够快速、准确的预测诈骗行为。