-
公开(公告)号：CN116702843A
公开(公告)日：2023-09-05
申请号：CN202310584408.7
申请日：2018-05-18
申请人： 谷歌有限责任公司
发明人： S.拉维
IPC分类号： G06N3/0499 , G06N3/044 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N3/08 , G06N3/10 , G06F17/16 , G06N3/045
摘要： 本发明涉及投影神经网络。提供了用于投影神经网络的方法、系统和设备，包括在计算机存储介质上编码的计算机程序。在一个方面，投影神经网络配置为接收投影网络输入并从投影网络输入生成投影网络输出。投影神经网络包括一个或多个投影层的序列。每个投影层具有多个投影层参数，且配置为接收层输入，将多个投影层函数应用于层输入，并通过将投影层的投影层参数应用于投影函数输出来生成层输出。
-
公开(公告)号：CN116644806A
公开(公告)日：2023-08-25
申请号：CN202310667491.4
申请日：2023-06-07
申请人： 山东建筑大学
IPC分类号： G06N3/10 , G06F18/40 , G06F18/214 , G06F18/21
摘要： 本发明提供了一种基于深度学习的燃料电池箱体尺寸与质量预测方法，属于燃料电池技术领域。该方法首先准备一个包含尺寸与质量信息的数据集，把80%作为训练集，其余20%作为验证集，另外再构建一个包含尺寸与质量信息的数据集作为测试集。然后采用Keras构建深度学习神经网络模型，包括输入层、隐藏层和输出层，并进行正则化和防止过拟合的处理。接着，利用训练集和验证集对神经网络模型进行训练和验证，最后用测试集测试模型的性能，并保存模型。最后，使用该模型在一批箱体中找到尺寸与质量最佳的燃料电池箱体。该方法自动化、高效，并且能显著减小箱体尺寸和质量，提高空间利用率和负载能力。
-
公开(公告)号：CN116644795A
公开(公告)日：2023-08-25
申请号：CN202310625022.6
申请日：2023-05-30
申请人： 河南理工大学
摘要： 本发明属于水下触觉力测量技术领域，具体地说，涉及面向水下触觉力测量的触觉力传感器标定软件设计方法，包括如下步骤：S1、触觉力信号、温度信号、水深信号获取；S2、BP网络创建及训练；S3、BP网络的仿真验证；S4、BP网络权值与阈值的发送。本发明具有操作方便、标定精度高且可实现在线标定以及批量化标定的特点，能够消除基于MEMS为测量核心的水下触觉力传感器真实触觉力值输出中，水压强以及水温度影响带来的交叉灵敏度问题。压强以及水温度影响对触觉力测量带来的交叉灵敏度问题，从而可满足实际应用中的需求，适宜推广应用。
-
公开(公告)号：CN116569182A
公开(公告)日：2023-08-08
申请号：CN202180081326.X
申请日：2021-10-18
申请人： 美光科技公司
摘要： 描述了与深度学习加速器和存储器相关的系统、装置和方法。举例来说，集成电路装置可配置成执行具有矩阵操作数的指令且配置成具有随机存取存储器(RAM)。一种编译器具有配置成识别用于待由编译器编译的人工神经网络和/或用于深度学习加速器的硬件平台的经优化编译选项的人工神经网络。所述编译器的人工神经网络可经由机器学习训练以基于待编译的所述人工神经网络的特征和/或将在其上执行编译器输出的所述硬件平台的特征识别经优化编译选项。
-
公开(公告)号：CN116560666A
公开(公告)日：2023-08-08
申请号：CN202310834277.3
申请日：2023-07-10
申请人： 上海燧原科技有限公司
摘要： 本发明公开了基于多层级代码生成的AI前端统一计算方法、装置及介质。包括：对主流AI计算框架和模型标准所编写或定义的网络模型进行解析以获取各计算节点的节点参数，并根据节点参数调用统一API接口生成一致的前端计算图；对前端计算图以迭代的形式推断各运算实例的输出类型与形状，按照静态单赋值形式对各运算实例进行高层级中间表示及整合以生成前端计算图的高层级中间表示；对前端计算图的高层级中间表示按照多层级下降标准进行转义生成前端计算图的标准中间表示以兼容现有AI编译后端。本发明解决了AI编译领域计算前端软件碎片化和兼容性低等问题且在不同硬件平台和主流AI模型上展示出更高兼容性和更快的端到端编译及执行速度。
-
公开(公告)号：CN116542325A
公开(公告)日：2023-08-04
申请号：CN202310597929.6
申请日：2023-05-24
申请人： 北京地平线信息技术有限公司
摘要： 本公开实施例公开了一种神经网络模型的编译方法、推理方法、装置、设备和介质，其中，编译方法包括：获取待编译神经网络模型对应的第一模型；将第一模型中包含预设运算的至少一个网络层中的任一网络层作为目标网络层，将目标网络层的预设运算转换为神经网络处理器所支持的卷积运算，获得转换后的第一网络层，预设运算为包括乘累加运算的运算；基于转换后的第一网络层获得第一模型对应的优化模型；根据优化模型，生成待编译神经网络模型对应的神经网络处理器可执行的目标指令序列。本公开实施例可以通过卷积运算实现包括乘累加运算的预设运算，便于通过神经网络处理器对模型的上述预设运算进行加速，大大提高模型推理速度。
-
公开(公告)号：CN116415656A
公开(公告)日：2023-07-11
申请号：CN202111589577.7
申请日：2021-12-23
申请人： 上海寒武纪信息科技有限公司
发明人： 请求不公布姓名
摘要： 本申请实施例提供一种基于深度学习框架实现算子的方法、装置及相关设备，该方法包括：通过算子接口接收用户向深度学习框架输入的自定义算子，自定义算子包含一个或多个函数操作；扫描所述计算图中的多个原生算子，以得到目标原生算子，其中，所述目标原生算子与所述自定义算子对应；将深度学习框架中的计算图中的目标原生算子替换为自定义算子；加载包含自定义算子的计算图进行训练。通过本申请实施例可以通过算子接口实现用户自定义算子，不需要对深度学习框架的原生网络进行侵入性修改，便于用户自定义行为的开放性。
-
公开(公告)号：CN116167437B
公开(公告)日：2023-07-11
申请号：CN202310427390.X
申请日：2023-04-18
申请人： 之江实验室
摘要： 本说明书公开了一种芯片管理系统、方法、设备及存储介质，可以通过对不同芯片的芯片管理程序模板进行抽象，得到芯片管理程序统一模板，从而可以在用户需要添加新的芯片的时，仅需要使用户根据芯片管理程序统一模板设计新的芯片对应的芯片管理程序模板即可，并且可以通过注册中心模块根据各芯片管理程序模板生成各芯片对应的芯片管理程序，对各芯片进行管理，从而可以避免对深度学习框架的程序代码进行大量的重写的情况发生。
-
公开(公告)号：CN113657597B
公开(公告)日：2023-07-11
申请号：CN202110798254.2
申请日：2021-07-15
申请人： 博流智能科技(南京)有限公司
IPC分类号： G06N3/10 , G06N3/082 , G06F18/40 , G06F18/21 , G06F18/214 , G06F11/36 , G06F16/958 , G06F9/54 , G06F9/50
摘要： 本发明揭示了一种AI训练测试网站架构系统及AI训练测试方法，所述AI训练测试网站架构系统包括前端及后端；所述前端包含模型网络结构展示模块、AI平台转通用平台模块、算法优化器、网络结构和算法验证模块；所述后端包含文件接收模块、文件处理模块、模型网络结构生成模块、AI平台模型转通用平台模型模块、算法优化模块、模型及算法运行验证模块。本发明提出的AI训练测试网站架构系统及AI训练测试方法，可提高生产效率，节约成本。
-
公开(公告)号：CN116402127A
公开(公告)日：2023-07-07
申请号：CN202310345188.2
申请日：2023-04-03
申请人： 南京大学
IPC分类号： G06N3/10 , G06N3/0464 , G06N3/08
摘要： 本发明公开一种用于深度学习模型训练的框架系统构建方法，将用户定义的模型计算图编译成流式计算框架的算子执行图；模型计算图中的每个节点对应算子执行图中的一组算子，通过对节点部署多个算子副本，以实现数据并行化训练，通过多个算子的前后连接，实现模型并行化训练；同时使用参数服务器的架构，将模型的参数分散于参数服务器的多个实例里面；然后系统接收来自IoT设备的数据流，进行处理产生样本，再不断地进行数据的分发；通过基于逻辑时间戳的模型参数同步方法与参数服务器算子进行参数更新。对比已有的大数据深度学习模型训练框架，本发明利用异步训练的方式，可以显著提高硬件的资源利用率、系统的吞吐率。
-
-
-
-
-
-
-
-
-
搜索结果
734 条记录 (耗时 0.025 秒)
