-
公开(公告)号:CN119336484A
公开(公告)日:2025-01-21
申请号:CN202411225023.2
申请日:2024-09-03
Applicant: 中国科学院计算技术研究所
IPC: G06F9/50
Abstract: 本发明提出一种基于时延预估的深度学习推理方法,包括:获取边缘‑终端任务场景中终端设备和边缘服务器的任务数据;该任务参数包括该终端设备的任务卸载比例;基于该任务数据,计算该边缘‑终端任务场景的任务卸载参数,及卸载任务的目标函数和约束条件;将该任务卸载参数、该目标函数和该条件约束,输入近端策略优化模型进行训练,当该近端策略优化模型完成策略收敛或达到预定训练步数后,由该近端策略优化模型输出该边缘‑终端任务场景的任务卸载策略和资源分配策略。本发明通过PPO改进模型实现端‑边协同场景下的计算卸载和资源分配策略,解决了现有计算卸载对边缘节点负载均衡水平关注不足,以及不重视实际场景中任务具有时间序列特征的问题。
-
公开(公告)号:CN107016346A
公开(公告)日:2017-08-04
申请号:CN201710136803.3
申请日:2017-03-09
Applicant: 中国科学院计算技术研究所
CPC classification number: G06K9/00348 , G06F21/32
Abstract: 本发明提供一种步态识别方法和系统,从由用户携带的智能终端获取的加速度数据中提取行为特征、位置特征和步态特征;利用预先训练好的行为识别模型根据所述行为特征来识别用户当前行为;利用预先训练好的位置识别模型根据所述位置特征和所识别的用户当前行为来识别所述智能终端的当前位置;利用预先训练好的步态识别模型根据所述步态特征、所识别的用户当前行为和所述智能终端的当前位置来识别用户的身份。该方法通过分层递进的识别方式提高了步态身份识别的准确率和鲁棒性,而且不需要对相关传感器摆放的位置与方向进行限制,很灵活且方便使用。
-
公开(公告)号:CN119759496A
公开(公告)日:2025-04-04
申请号:CN202411819809.7
申请日:2024-12-11
Applicant: 中国科学院计算技术研究所
IPC: G06F9/455
Abstract: 本发明提出一种基于快照压缩‑解压的函数即服务容器启动加速方法,包括:启动并运行函数即服务的基础容器实例,对该基础容器实例运行全过程的实例内存访问进行追踪,获取实例内存访问记录,生成内存访问的优先级页面;启动新容器实例时,将该内存访问优先级页面加载至该新容器实例的进程内存空间后,运行该新容器实例。本发明以更小的开销准确记录FaaS容器在初始化阶段、请求监听阶段、函数执行阶段的内存访问情况,并实现提前启动容器实例,无需等待所有快照内存页面解压完毕,且用实例启动时延和函数执行时延掩盖部分快照解压时延,从而降低总的端到端时延。
-
公开(公告)号:CN119150953A
公开(公告)日:2024-12-17
申请号:CN202411176111.8
申请日:2024-08-26
Applicant: 中国科学院计算技术研究所
IPC: G06N3/098 , G06N3/082 , G06N3/0495 , G06F9/50
Abstract: 本发明提出一种分布式训练通信压缩方法、装置、分布式训练系统,该方法包含:将分布式集群中各节点的全局梯度信息进行分组;在每个分组内选择梯度绝对值最大的前K个梯度值,将其余未选中的梯度值置为0,生成稀疏梯度矩阵;在各节点之间共享该稀疏梯度矩阵。该方法可以有效地减少边缘设备训练集群中节点间的通信量,从而实现更高效的分布式协同训练,并且保持模型的精度。
-
公开(公告)号:CN114844794B
公开(公告)日:2024-06-04
申请号:CN202210298670.0
申请日:2022-03-25
Applicant: 之江实验室 , 中国科学院计算技术研究所
IPC: H04L43/045 , H04L67/55 , H04L67/565 , H04L67/568 , G06F9/455
Abstract: 本发明提供了一种面向容器的资源监控方法及系统。该方法包括:部署数据采集模块到目标容器中;所述数据采集模块实时采集所述目标容器的CPU、内存、网络数据,并以推送方式上报采集的监控数据至推送代理网关缓存;拉取代理网关定时调用对应接口主动拉取容器和应用监控数据并缓存所述监控数据;监控管理中心拉取所述推送代理网关和所述拉取代理网关两个组件的监控数据并存储到数据库;数据展示模块根据条件获取所述监控管理中心内的监控数据进行可视化展示。同时,根据本发明的上述的一种基面向容器的资源监控方法提供了一种面向容器的资源监控系统。
-
公开(公告)号:CN116451779A
公开(公告)日:2023-07-18
申请号:CN202310249244.2
申请日:2023-03-15
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种面向边缘设备的深度学习编程框架评估优化方法,包括:解析深度学习任务的配置文件,获得深度学习任务的程序控制信息;依据该程序控制信息,依次获取边缘设备执行该深度学习任务的多个实际运行数据;该实际运行数据包括该边缘设备运行该深度学习任务时的GPU实际峰值浮点运算数据、GPU实际各层级内存峰值带宽数据、浮点运算数量、GPU内核活动时间和GPU数据移动量;以该实际运行数据绘制该边缘设备运行该深度学习任务的运行时分层屋顶线图;根据该运行时分层屋顶线图,确定对该深度学习任务的优化方向及优化顺序。本发明还提出一种面向边缘设备的深度学习编程框架评估优化系统,以及一种用于深度学习编程框架评估优化的数据处理装置。
-
公开(公告)号:CN107247974A
公开(公告)日:2017-10-13
申请号:CN201710525603.7
申请日:2017-06-30
Applicant: 中国科学院计算技术研究所
CPC classification number: G06K9/6215 , G06K9/6289 , H04B5/0031
Abstract: 本发明涉及一种基于多源数据融合的健身运动识别系统,包括运动数据处理装置和可穿戴设备,其中,所述运动数据处理装置包括用于采集健身器械上的运动数据的采集模块、用于收集所述可穿戴设备上的运动数据的收集模块以及分析所述健身器械上的运动数据与所述可穿戴设备上的运动数据之间的关联性的分析模块。
-
公开(公告)号:CN119166303A
公开(公告)日:2024-12-20
申请号:CN202411225022.8
申请日:2024-09-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种面向边缘侧视频处理的任务调度方法,包括:构建边缘视频处理系统的任务调度模型,以及该任务调度模型的优化指标;基于该优化指标,生成该任务调度模型的目标函数及约束条件;使用布谷鸟搜索模型,以该优化指标均为最小值时该目标函数对应的任务调度方案为优化方案,以该优化方案对该边缘视频处理系统进行任务调度操作。本发明针对边缘环境在进行视频处理类任务调度时,用户的响应时延有待降低的问题,将用户的平均响应时延和尾延迟作为主要优化指标,并分别采用用户公平性和任务优先度两个指标反映不同用户提交任务请求的顺序以及同一用户不同任务的执行顺序对任务调度问题的影响。
-
公开(公告)号:CN114911756A
公开(公告)日:2022-08-16
申请号:CN202210340722.6
申请日:2022-07-19
Applicant: 之江实验室 , 中国科学院计算技术研究所
IPC: G06F16/13 , G06F16/182 , G06Q10/10
Abstract: 本发明公开了一种用户自定义的全局ID生成方法及装置。该装置包括:接收用户指令模块;指令分解与校验模块;自定义指令序列生成模块;业务序列生成模块;全局ID校验模块;全局ID存储模块。方法包括:接收用户生成全局ID自定义指令;指令转化成一或多个自定义子指令,并做校验;根据子指令生成子指令序列,并转化为自定义指令序列;根据业务类型生成业务序列;校验此全局ID是否存在,若存在,则重新生成全局ID,直至生成唯一的全局ID。本发明基于自定义指令的自定义类型与自定义长度,解决全局ID类型单一的问题;通过自定义指令序列与业务序列相结合,解决了全局ID不支持业务含义、生成方法扩展性差的问题,实现全局ID在不同业务场景具有分布式标识与链路追踪功能。
-
公开(公告)号:CN114844794A
公开(公告)日:2022-08-02
申请号:CN202210298670.0
申请日:2022-03-25
Applicant: 之江实验室 , 中国科学院计算技术研究所
IPC: H04L43/045 , H04L67/55 , H04L67/565 , H04L67/568 , G06F9/455
Abstract: 本发明提供了一种面向容器的资源监控方法及系统。该方法包括:部署数据采集模块到目标容器中;所述数据采集模块实时采集所述目标容器的CPU、内存、网络数据,并以推送方式上报采集的监控数据至推送代理网关缓存;拉取代理网关定时调用对应接口主动拉取容器和应用监控数据并缓存所述监控数据;监控管理中心拉取所述推送代理网关和所述拉取代理网关两个组件的监控数据并存储到数据库;数据展示模块根据条件获取所述监控管理中心内的监控数据进行可视化展示。同时,根据本发明的上述的一种基面向容器的资源监控方法提供了一种面向容器的资源监控系统。
-
-
-
-
-
-
-
-
-