-
公开(公告)号：CN108363478A
公开(公告)日：2018-08-03
申请号：CN201810020303.8
申请日：2018-01-09
Applicant: 北京大学
CPC classification number: G06F1/3234 , G06N3/0454 , G06N3/082 , G10L15/265
Abstract: 本发明提供一种针对可穿戴设备深度学习应用模型分载系统及方法，包括：预测模型模块，用以预测运行该深度学习应用模型的各层所需的时间与电量作为预测数据；开发者接口模块，用以作为将模型分载算法和数据引入深度学习应用中的接口；状态信息收集模块，用以收集硬件信息以及应用模型运行时状态，作为分载依据；模型分载决策模块，加载模型分载算法和数据，用以获取全部可能的分载情况，然后根据分载依据及预测数据从中搜索最优的分载方式；依据该最优分载方式将深度学习应用模型分载为两个子模型。作为自动化深度学习运行和优化框架，其核心思想是根据当前运行时环境寻找最优的模型分载方式，将一部分子模型的运算卸载到配对的移动手机上。
-
公开(公告)号：CN105630957A
公开(公告)日：2016-06-01
申请号：CN201510983204.6
申请日：2015-12-24
Applicant: 北京大学
Abstract: 本发明涉及一种基于用户管理应用行为的应用质量判别方法及系统。该方法包括：1)对用户的应用管理行为进行数据预处理，得到管理行为序列，作为训练集；2)利用得到的管理行为序列，对用户的应用管理行为进行特征抽取；3)利用抽取的行为特征建立多维自变量空间，每一个训练集中的应用被视作该空间当中的一个点，根据此空间进行模型训练，调试出最优的模型参数，得到一个确定的回归模型；4)将每一个待预测的应用的管理行为数据按照步骤1)和步骤2)进行整理，然后输入该回归模型，模型的输出即为对应用质量的判别结果。本发明能够更为有效地去除无关特征和发挥有关特征的质量表达能力，能够获得更为准确的应用质量评价结果。
-
公开(公告)号：CN105630907A
公开(公告)日：2016-06-01
申请号：CN201510965139.4
申请日：2015-12-21
Applicant: 北京大学
CPC classification number: G06F9/44578 , G06F8/60 , G06F9/4881 , G06F9/54 , G06F17/30 , G06F17/30675 , G06F17/3097
Abstract: 本发明公开了一种基于应用内容的安卓应用组装方法。本方法为：1)服务器端抓取安卓应用的页面信息并建立索引，然后将页面的元数据、索引信息以及保存到数据库中；其中，元数据中包括安卓应用的页面跳转逻辑；2)客户端将用户输入的关键词发送给服务器端；3)服务器端从数据库中获取符合该关键词的应用列表，并将该应用列表对应的元数据返回给该客户端；4)用户根据返回信息从该应用列表中选择一目标安卓应用后，该客户端启动该目标安卓应用并根据该目标安卓应用的页面跳转逻辑自动跳转到与该关键词对应页面。本发明打破安卓应用之间信息的孤立以及提供安卓应用间更自然的组装服务。
-
公开(公告)号：CN119377084A
公开(公告)日：2025-01-28
申请号：CN202411908427.1
申请日：2024-12-24
Applicant: 北京大学
IPC: G06F11/36
Abstract: 本申请提供了一种面向资源解耦合的服务网格测试预言方法和装置，包括：确定目标服务网格系统中由输入端口到输出端口的第一连通路径，生成各个第一连通路径分别对应的第一测试服务请求，将各个第一测试服务请求，从各个第一测试服务请求分别对应的输入端口输入目标服务网格系统，得到目标服务网格系统输出的各个第一测试服务结果，在各个第一测试服务结果与各个第一连通路径分别对应的服务参考结果均相匹配的情况下，确定目标服务网格系统测试通过，能够对目标服务网格系统执行更为全面的测试流程，避开了由于服务网格系统差异所导致的测试流程不全面的问题，一定程度上提升了服务网格系统的测试结果的准确性。
-
公开(公告)号：CN117762602B
公开(公告)日：2024-05-07
申请号：CN202410198709.0
申请日：2024-02-22
Applicant: 北京大学
Abstract: 本申请提供了一种面向边缘异构硬件的深度学习级联任务调度方法及装置，所述方法包括：获取响应时间要求，以及，获取待处理的视频帧；预测视频帧对应的级联任务图，所述级联任务图表征按照顺序执行的多个深度学习网络任务，在级联任务图中一个深度学习网络任务的输出作为另一个深度学习网络任务的输入；根据响应时间要求，将级联任务图与离线级联任务图模板进行匹配；在级联任务图与离线级联任务图模板至少部分匹配的情况下，按照匹配的离线级联任务图模板对应的调度策略，将级联任务图中的多个深度学习网络任务调度到异构硬件上执行。如此，优化了级联任务场景下的多个深度学习网络任务的执行，实现级联任务的高吞吐量和高效率调度。
-
Patent Agency Ranking
公开(公告)号：CN116860419B
公开(公告)日：2023-11-24
申请号：CN202311126413.X
申请日：2023-09-04
Applicant: 北京大学
Abstract: 本发明提供一种服务器无感知数据分析的并行调度方法及系统，方法包括：根据优化目标，确定优化目标对应的目标模型；在目标模型为运行时间模型的情况下，获取数据分析作业中的运行时间数据信息和并行度数据信息，确定数据分析作业的各个阶段的运行时间与并行度之间的关系；根据各个阶段的运行时间与并行度之间的关系，拟合获得各个阶段各自的运行时间模型；根据数据分析作业的DAG、各个阶段各自的运行时间模型、计算集群当前可用资源，确定第一并行调度方案；根据第一并行调度方案，控制计算集群中各个服务器上的函数执行模块执行分配到自身所在服务器上的数据分析作业中的任务。旨在提高服务器无感知数据分析的并行调度的性能。
-
公开(公告)号：CN116932201A
公开(公告)日：2023-10-24
申请号：CN202310124944.9
申请日：2023-02-07
Applicant: 北京大学
Abstract: 本发明实施例提供一种面向深度学习训练任务的多资源共享调度方法。所述方法包括：获取提交至任务队列中的各个训练任务的资源使用数据；根据获取的所述资源使用数据和共享机制，确定训练任务之间的共享效率；根据获取的所述资源使用数据和所述共享效率，确定共享调度方案；通过所述共享调度方案，控制执行器集群进行训练任务的执行。旨在通过多资源共享和调度，大幅提高集群中多种资源利用率和大幅减少深度学习训练任务的完成时间。
-
公开(公告)号：CN116627621B
公开(公告)日：2023-10-20
申请号：CN202310912846.1
申请日：2023-07-25
Applicant: 北京大学
IPC: G06F9/48
Abstract: 本申请提供了一种服务器无感知计算中键值张量的传输方法、系统和装置，属于任务调度技术领域。所述方法包括：确定第一任务的调度时间；在调度时间大于预设调度时间阈值的情况下，生成第一缓存交换指令；第一缓存交换指令用于指示第一任务对应的键值张量在分布式执行引擎中的传输方式为卸载；在调度时间小于或等于预设调度时间阈值的情况下，生成第二缓存交换指令；第二缓存交换指令用于指示第一任务对应的键值张量在分布式执行引擎中的传输方式为上传；向分布式执行引擎发送第一缓存交换指令或第二缓存交换指令。本申请实施例在维护已启动但未完成的任务的中间状态的同时，还降低了分布式执行引擎的内存开销。
-
公开(公告)号：CN116542334B
公开(公告)日：2023-10-20
申请号：CN202310538682.0
申请日：2023-05-12
Applicant: 北京大学
IPC: G06N5/04 , G06N3/0464 , G06N3/08 , G06F9/48
Abstract: 本发明提供了一种基于Web浏览器的深度神经网络推理调度方法和装置，涉及软件领域。所述方法包括：获取第一深度神经网络推理任务和第二深度神经网络推理任务；按照目标切分方式，将第一深度神经网络推理任务切分为第一前序子任务和第一后序子任务，以及将第二深度神经网络推理任务切分为第二前序子任务和第二后序子任务；按照目标调度方式，确定前序运行环境和后序运行环境，前序运行环境和后序运行环境分别为Web浏览器提供的WebAssembly运行环境和GPU加速的运行环境中的一种；将第一前序子任务和第二前序子任务先后调度到前序运行环境中进行执行，以及将第一后序子任务和第二后序子任务先后调度到后序运行环境中进行执行。
-
公开(公告)号：CN116662290B
公开(公告)日：2023-09-29
申请号：CN202310904713.X
申请日：2023-07-24
Applicant: 北京大学
IPC: G06F16/18 , G06F16/21 , G06F16/2455
Abstract: 本公开提供了一种有状态的服务器无感知函数的读优化方法和装置，涉及计算机技术领域，旨在免除读操作日志的情况下，实现严格一次语义。所述方法包括：在有状态的服务器无感知函数针对目标对象进行读操作的情况下，获取所述目标对象的标识；获取所述有状态的服务器无感知函数的内部序列号；根据所述目标对象的标识，从日志存储节点中获取所述目标对象对应的日志支流；根据所述内部序列号在所述日志支流中查询，得到目标日志，所述目标日志的序列号为：小于或等于所述有状态的服务器无感知函数的内部序列号的各个序列号中最大的序列号；获取所述目标日志记录的所述目标对象的版本号；从外部存储节点中读取所述版本号对应的所述目标对象的取值。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.026 seconds)
