深度学习加速器推理监测方法

    公开(公告)号:CN118228825B

    公开(公告)日:2024-10-22

    申请号:CN202410223935.X

    申请日:2024-02-29

    IPC分类号: G06N5/04 G06N20/00

    摘要: 本发明公开了一种深度学习加速器推理监测方法,包括以下步骤:S1.对加速器的网表结构进行分析,识别网表结构内部的计算逻辑与数据缓存区,并对主要的数据路径进行分类;S2.将深度学习算法的推理过程映射到加速器推理过程,并设计加速器推理监测器结构,将监测器植入到加速器中对加速器推理过程进行监测;S3.基于比特翻转攻击和关键数据路由路径,识别深度学习模型脆弱点,定位加速器的推理脆弱点所在数据路径,设计脆弱点检测器并植入到数据路径上,对脆弱点数据进行检测与验证;本发明实现了对深度学习加速器的脆弱点进行定位,并对脆弱点数据进行检测与验证,从而避免加速器受攻击后带来的损失,准确率高、时效性好。

    深度学习加速器推理监测方法

    公开(公告)号:CN118228825A

    公开(公告)日:2024-06-21

    申请号:CN202410223935.X

    申请日:2024-02-29

    IPC分类号: G06N5/04 G06N20/00

    摘要: 本发明公开了一种深度学习加速器推理监测方法,包括以下步骤:S1.对加速器的网表结构进行分析,识别网表结构内部的计算逻辑与数据缓存区,并对主要的数据路径进行分类;S2.将深度学习算法的推理过程映射到加速器推理过程,并设计加速器推理监测器结构,将监测器植入到加速器中对加速器推理过程进行监测;S3.基于比特翻转攻击和关键数据路由路径,识别深度学习模型脆弱点,定位加速器的推理脆弱点所在数据路径,设计脆弱点检测器并植入到数据路径上,对脆弱点数据进行检测与验证;本发明实现了对深度学习加速器的脆弱点进行定位,并对脆弱点数据进行检测与验证,从而避免加速器受攻击后带来的损失,准确率高、时效性好。

    一种基于面积折叠的神经网络推理加速方法

    公开(公告)号:CN116737382B

    公开(公告)日:2024-01-02

    申请号:CN202310736462.9

    申请日:2023-06-20

    IPC分类号: G06F9/50 G06N3/04 G06N5/04

    摘要: 本发明公开了一种基于面积折叠的神经网络推理加速方法,涉及人工智能技术领域。所述方法包括如下步骤:算子生成:加载待加速的深度神经网络模型,分析该模型的组成结构,根据该模型组成结构生成模型顶层算子与各网络层算子;面积折叠:将FPGA中的存储资源与计算资源分别建模为矩阵面积的横轴与纵轴,并以此对顶层算子与各网络层算子的资源占用进行评估;方案获取:根据分配到的面积确定各网络层算子的折叠尺寸,确定各网络层算子的输入通道数与输出通道数。所述方法可以很好地降低在FPGA上加速神经网络的开发难度,并更好的适应多种不同的开发条件,显著降低开发过程的复杂程度。

    一种基于激光辐照运动平台制备的ZrO2@C吸波材料及方法

    公开(公告)号:CN116075143B

    公开(公告)日:2024-04-05

    申请号:CN202310103348.2

    申请日:2023-02-13

    IPC分类号: H05K9/00 C09K3/00

    摘要: 本发明提出一种基于激光辐照运动平台制备的ZrO2@C吸波材料及方法,涉及吸波材料制备领域。该方法在负压封闭环境中,对UIO66@GO粉末进行脉冲激光辐照处理,得到ZrO2@C吸波材料。其中,所述脉冲激光辐照的激光波长为1064nm,所述脉冲激光辐照的激光辐照功率为20~25mW,所述脉冲激光辐照的光斑直径为3~5mm。本发明首次使用石墨烯对UIO66进行包覆,UIO66外包覆的石墨烯层可有效吸收激光,并快速将光能转换为热能,在热能作用下,实现UIO66的快速分解,得到ZrO2@C吸波材料。

    一种基于面积折叠的神经网络推理加速方法

    公开(公告)号:CN116737382A

    公开(公告)日:2023-09-12

    申请号:CN202310736462.9

    申请日:2023-06-20

    IPC分类号: G06F9/50 G06N3/04 G06N5/04

    摘要: 本发明公开了一种基于面积折叠的神经网络推理加速方法,涉及人工智能技术领域。所述方法包括如下步骤:算子生成:加载待加速的深度神经网络模型,分析该模型的组成结构,根据该模型组成结构生成模型顶层算子与各网络层算子;面积折叠:将FPGA中的存储资源与计算资源分别建模为矩阵面积的横轴与纵轴,并以此对顶层算子与各网络层算子的资源占用进行评估;方案获取:根据分配到的面积确定各网络层算子的折叠尺寸,确定各网络层算子的输入通道数与输出通道数。所述方法可以很好地降低在FPGA上加速神经网络的开发难度,并更好的适应多种不同的开发条件,显著降低开发过程的复杂程度。

    一种排队论教学演示与统计装置

    公开(公告)号:CN112908114A

    公开(公告)日:2021-06-04

    申请号:CN202110121625.3

    申请日:2021-01-28

    IPC分类号: G09B23/02

    摘要: 本发明公开了一种排队论教学演示与统计装置,包括目标球体混匀机构、安装架、概率演示机构、调平机构、底部连接板和高度调节机构,目标球体混匀机构设置在安装架的上方,概率演示机构设置在安装架内,调平机构和高度调节机构均设置在安装架下侧;在使用时,通过手动混匀组件、初级概率演示组件和多级概率分散性演示组件来对目标球体进行随机的概率学测试,能够真实反映随机事件的发生过程,反映目标球体的离散和聚集情况,具有使用简单、统计和演示清楚、便于学生理解、观察和学习的特点。

    一种基于激光辐照运动平台制备的ZrO2@C吸波材料及方法

    公开(公告)号:CN116075143A

    公开(公告)日:2023-05-05

    申请号:CN202310103348.2

    申请日:2023-02-13

    IPC分类号: H05K9/00 C09K3/00

    摘要: 本发明提出一种基于激光辐照运动平台制备的ZrO2@C吸波材料及方法,涉及吸波材料制备领域。该方法在负压封闭环境中,对UIO66@GO粉末进行脉冲激光辐照处理,得到ZrO2@C吸波材料。其中,所述脉冲激光辐照的激光波长为1064nm,所述脉冲激光辐照的激光辐照功率为20~25mW,所述脉冲激光辐照的光斑直径为3~5mm。本发明首次使用石墨烯对UIO66进行包覆,UIO66外包覆的石墨烯层可有效吸收激光,并快速将光能转换为热能,在热能作用下,实现UIO66的快速分解,得到ZrO2@C吸波材料。

    一种排队论教学演示与统计装置

    公开(公告)号:CN112908114B

    公开(公告)日:2023-03-14

    申请号:CN202110121625.3

    申请日:2021-01-28

    IPC分类号: G09B23/02

    摘要: 本发明公开了一种排队论教学演示与统计装置,包括目标球体混匀机构、安装架、概率演示机构、调平机构、底部连接板和高度调节机构,目标球体混匀机构设置在安装架的上方,概率演示机构设置在安装架内,调平机构和高度调节机构均设置在安装架下侧;在使用时,通过手动混匀组件、初级概率演示组件和多级概率分散性演示组件来对目标球体进行随机的概率学测试,能够真实反映随机事件的发生过程,反映目标球体的离散和聚集情况,具有使用简单、统计和演示清楚、便于学生理解、观察和学习的特点。