-
公开(公告)号：CN115297187B
公开(公告)日：2023-11-17
申请号：CN202210818132.X
申请日：2022-07-12
申请人： 重庆大学
IPC分类号： H04L69/08 , H04L67/025
摘要： 本发明公开一种网络通讯协议与总线协议的转换装置及集群系统，该装置包括：总线转换模块，用于当接收到本地的访问请求信息时，基于全局地址映射关系表获得与该信息中的全局地址相对应的网络通讯地址，通过以太网控制模块向远程设备芯片的以太网控制模块发送远程访问报文；以太网控制模块，用于将远程访问报文发送至总线转换模块；总线转换模块，还用于基于总线地址映射关系表获得与远程访问报文中的全局地址相对应的本地总线地址，并对与本地总线地址相对应的硬件发送读/写请求指令，通过以太网控制模块向源设备芯片反馈读/写结果。本发明能够在无需CPU参与的情况下，实现集群系统中各个设备芯片之间的远程网络通讯任务及控制任务。
-
-
公开(公告)号：CN115169553A
公开(公告)日：2022-10-11
申请号：CN202210801703.9
申请日：2022-07-07
申请人： 重庆大学
摘要： 本发明提出了一种可重构的稀疏神经网络加速器，其特征在于，包括：输入特征图存储模块、指令存储模块、权重存储模块、偏置存储模块、输出特征图存储模块、特征图Bitmap存储模块、控制模块、计算控制模块、地址映射模块、PE阵列模块和PU通用数据处理模块。控制模块与输入特征图存储模块、指令存储模块、权重存储模块、偏置存储模块、特征图Bitmap存储模块相连接；计算控制模块与输入特征图存储模块、指令存储模块、权重存储模块、偏置存储模块、输出特征图存储模块、特征图Bitmap存储模块、PE阵列运算模块相连接；地址映射模块与输入特征图存储模块、特征图Bitmap存储模块、输出特征图存储模块相连接，PE阵列运算模块与输入特征图存储模块、输出特征图存储模块、权重存储模块和偏置存储模块相连接；PU通用数据处理模块与指令存储模块、输出特征图存储模块、DDR模块相连接。本发明能够使用较少的资源同时支持多种卷积计算以提升神经网络加速器的通用性。
-
公开(公告)号：CN113361598B
公开(公告)日：2022-10-11
申请号：CN202110624386.3
申请日：2021-06-04
申请人： 重庆大学
摘要： 本发明公开了基于分布式学习的模型训练方法，其根据客户端的历史训练任务的完成情况，得到客户端的当前训练轮任务预测量，以使得客户端根据所述当前训练轮任务预测量和服务器下发的全局模型进行本地训练，得到客户端的当前训练轮的本地模型和当前训练轮实际任务量，进而将每一个客户端的当前训练轮的本地模型聚合成新的全局模型，并根据所述当前训练实际任务量对客户端的历史任务完成情况进行更新，其通过尽可能预测逼近客户端实际训练能力的任务量，进而适应性地对客户端的训练任务作出调整，使得客户端尽可能完成多的训练任务而不掉队，提升了全局模型的精度。相应地，本发明还提供了一种服务器和分布式学习系统。
-
公开(公告)号：CN114726883A
公开(公告)日：2022-07-08
申请号：CN202210459192.7
申请日：2022-04-27
申请人： 重庆大学
IPC分类号： H04L67/1097 , H04L69/164 , H04L69/22 , H04L12/40 , G06F13/28
摘要： 本发明提供了一种嵌入式RDMA系统，包括：DMA控制模块、分布式访问处理模块、以太网协议栈模块、MAC模块、PHY模块；DMA控制模块，用于将获取到的多个远程访问指令通过多个DMA通道分别发送至所述分布式访问处理模块进行远程访问请求，并根据远程访问结果对分布式访问的相关参数进行修改；分布式访问处理模块，用于处理所述远程访问请求；以太网协议栈模块，用于接收分布式访问处理模块的远程访问指令。采用本发明实施例，能够将远程访问的所有功能均在硬件上完成，无需与CPU进行交互，减少嵌入式设备之间的访问延迟，提高了实时性。
-
公开(公告)号：CN114118210A
公开(公告)日：2022-03-01
申请号：CN202111232230.7
申请日：2021-10-22
申请人： 重庆大学
摘要： 本发明公开一种基于分布式机器学习的分组训练方法、服务器及客户端，所述分组训练方法基于客户端的本地优化目标梯度，将训练任务按优化目标拆分到对应的组共识模型中进行训练，减轻了由于隐含子优化目标冲突而导致的训练收敛速度下降，模型性能下降，训练抖动增加等问题，同时，本发明在训练的过程中还对客户端的本地训练数据偏移情况进行监测，当客户端的本地训练数据发生偏移时，更新客户端的分组信息，以使得每一客户端能在优化目标最相似的组模型中进行训练，有效减少了由于训练数据分布不平衡而导致机器学习模型的偏差问题。
-
-
公开(公告)号：CN113516249A
公开(公告)日：2021-10-19
申请号：CN202110681063.8
申请日：2021-06-18
申请人： 重庆大学
摘要： 本发明公开了一种基于半异步的联邦学习方法，其在中央服务器上根据每一个客户端的的本地模型更新方向和更新时间对所述客户端进行分组，得到多个客户端组，并创建多个以客户端组为单位的调度进程，以使得所述调度进程在每个通信轮中初始化所属组的组模型版本号，并在每个通信轮中根据客户端的本地模型的版本号与组模型版本号计算版本号之差，以用来衡量客户端的本地模型的过时程度，进而使得所述客户端根据版本号之差与预设模型过时阈值的比较结果选择同步更新或异步更新的方式更新本地模型，其能有效解决客户端的掉队效应，并能解决客户端的模型过时问题，进而提升模型的精确度。
-
公开(公告)号：CN113361598A
公开(公告)日：2021-09-07
申请号：CN202110624386.3
申请日：2021-06-04
申请人： 重庆大学
摘要： 本发明公开了基于分布式学习的模型训练方法，其根据客户端的历史训练任务的完成情况，得到客户端的当前训练轮任务预测量，以使得客户端根据所述当前训练轮任务预测量和服务器下发的全局模型进行本地训练，得到客户端的当前训练轮的本地模型和当前训练轮实际任务量，进而将每一个客户端的当前训练轮的本地模型聚合成新的全局模型，并根据所述当前训练实际任务量对客户端的历史任务完成情况进行更新，其通过尽可能预测逼近客户端实际训练能力的任务量，进而适应性地对客户端的训练任务作出调整，使得客户端尽可能完成多的训练任务而不掉队，提升了全局模型的精度。相应地，本发明还提供了一种服务器和分布式学习系统。
-
公开(公告)号：CN110427769B
公开(公告)日：2020-12-25
申请号：CN201910738213.7
申请日：2019-08-12
申请人： 重庆大学
IPC分类号： G06F21/60 , G06F21/62 , G06F16/2455
摘要： 本发明提出了一种基于智能看护系统面向用户活动模式隐私保护实施方法，包括：S1，部署智能节点与智能网关，以轻量级脚本驱动智能节点收集、推理、计算、匹配用户日常活动数据，传递到智能网关进行集中处理；S2，通过智能网关统计用户活动模式，并基于活动模式的多粒度特性以及活动模式之间的时空关联性对活动模式进行脱敏；S3，将脱敏的活动模式上传到具有大数据挖掘与分析能力的数据分析机构，以获取可能符合用户看护需求的服务规则；S4，智能网关上构建专家知识库，存储验证服务规则与未脱敏活动模式之间匹配性的知识，实现对不符用户看护需求的服务规则的过滤，且搭建规则推理引擎实现面向活动模式的实时看护服务。
-
-
-
-
-
-
-
-
-
搜索结果
75 条记录 (耗时 0.099 秒)
