针对Path ORAM的地址标签分配调度与多路径缓存写回方法

    公开(公告)号:CN112181864B

    公开(公告)日:2023-07-25

    申请号:CN202011152061.1

    申请日:2020-10-23

    申请人: 中山大学

    IPC分类号: G06F12/02 G06F3/06

    摘要: 本发明公开了一种针对Path ORAM的地址标签分配调度与多路径缓存写回方法,包括新数据进入ORAM树的标签分配、访问路径时的部分提前与合并、缓存中数据的写回及数据写回ORAM树的标签分配四个阶段;在新数据进入内存或数据从缓存中写回后对数据进行基于内存行的标签分配或随机分配;接着对路径的访问进入请求队列,进行路径提前或合并优化;执行对整条路径的访问,路径中所有结点的数据被送入缓存;从缓存中返回数据时,选择一条最优的路径进行写回,使得对于下一次随机的路径访问中重叠的数据数量期望值最大。本发明提供的针对Path ORAM的地址标签分配调度与多路径缓存写回方法,在很小的硬件成本下,能快速访问Path ORAM,并降低执行时间,显著提高系统性能。

    一种利用非统一存储器访问架构特点提升并行化NumPy计算性能的方法

    公开(公告)号:CN112860530B

    公开(公告)日:2022-09-27

    申请号:CN202110122117.7

    申请日:2021-01-27

    申请人: 中山大学

    IPC分类号: G06F11/34 G06F9/445 G06F9/50

    摘要: 本发明公开了一种利用非统一内存访问架构特点提升并行化NumPy计算性能的方法,所述方法包括针对NUMA架构及NumPy并行计算的特点分析;针对NumPy并行计算及NUMA架构优化的CPU分配程序与基于CPU分配程序及进程绑定的优化版NumPy并行计算系统。本发明的有益效果在于,可以由CPU分配器根据NUMA架构计算机以及NumPy并行计算的特点,生成一个CPU配置文件,利用进程绑定,把进程绑定到适合的CPU核心上运行。这样可以更有效地利用计算机的硬件资源的同时,减少进程迁移带来的性能问题,提升并行计算的性能。

    基于Cuckoo哈希的文件系统目录管理方法及系统

    公开(公告)号:CN113094336A

    公开(公告)日:2021-07-09

    申请号:CN202110356654.8

    申请日:2021-04-01

    申请人: 中山大学

    IPC分类号: G06F16/13

    摘要: 本发明公开了一种基于Cuckoo哈希的文件系统目录管理方法及系统,本发明包括对目录中作为目标文件的子目录或子文件读取元数据的步骤:接收针对目标文件的读请求,迭代采用Cuckoo哈希的第i个哈希函数对目标文件的名称filename进行哈希计算,根据哈希计算结果确定目录的哈希表对应的第i个备选数据块;若第i个备选数据块存在目标文件的名称filename则读出目标文件的元数据并返回,结束;否则继续迭代,直至迭代结束返回不存在目标文件的消息。本发明在文件访问的关键路径上延迟小,能够实现并发读操作,能够显著加速应用程序针对大目录的数据访问。

    一种利用非统一內存访问架构特点提升并行化NumPy计算性能的方法

    公开(公告)号:CN112860530A

    公开(公告)日:2021-05-28

    申请号:CN202110122117.7

    申请日:2021-01-27

    申请人: 中山大学

    IPC分类号: G06F11/34 G06F9/445 G06F9/50

    摘要: 本发明公开了一种利用非统一內存访问架构特点提升并行化NumPy计算性能的方法,所述方法包括针对NUMA架构及NumPy并行计算的特点分析;针对NumPy并行计算及NUMA架构优化的CPU分配程序与基于CPU分配程序及进程绑定的优化版NumPy并行计算系统。本发明的有益效果在于,可以由CPU分配器根据NUMA架构计算机以及NumPy并行计算的特点,生成一个CPU配置文件,利用进程绑定,把进程绑定到适合的CPU核心上运行。这样可以更有效地利用计算机的硬件资源的同时,减少进程迁移带来的性能问题,提升并行计算的性能。

    一种基于向量指令的纠删码编码方法、系统及装置

    公开(公告)号:CN112000509B

    公开(公告)日:2021-04-20

    申请号:CN202010831174.8

    申请日:2020-08-18

    申请人: 中山大学

    IPC分类号: G06F11/08

    摘要: 本发明公开了一种基于向量指令的纠删码编码方法、系统及装置,该方法包括:读取原始数据对数表;对原始数据进行计算,得到P校验码;转换原始数据的格式并对数表中取数相加,得到第一计算结果;对第一计算结果进行取模运算;从对数表中取数,得到第二计算结果;通过条件语句对原始数据进行判断;将计算结果恢复为原始数据的格式,得到Q校验码;结合P校验码和Q校验码得到纠删码并将纠删码存储到磁盘。通过使用本发明,在确保准确性的同时有效的提升RAID6纠删码的计算速度,从而有效发挥高速存储设备的性能。本发明作为一种基于向量指令的纠删码编码方法、系统及装置,可广泛应用于大规模存储领域。

    一种自底向上广度优先搜索的向量化方法、系统及装置

    公开(公告)号:CN112000844A

    公开(公告)日:2020-11-27

    申请号:CN202010831191.1

    申请日:2020-08-18

    申请人: 中山大学

    IPC分类号: G06F16/901 G06F16/903

    摘要: 本发明公开了一种自底向上广度优先搜索的向量化方法、系统及装置,该方法包括:根据数据关系生成图结构;对图结构所有顶点进行一次遍历并将未访顶点存放到数组Arr中,得到未访顶点组;从未访顶点组获取一组未访顶点和对应的临接顶点并组成临接顶点组;通过向量寄存器访问临接顶点组并根据预设条件替换未访顶点及其临接顶点;重复访问步骤直至完成所有未访顶点的访问。该系统包括:图结构模块、未访顶点组模块、临接顶点组模块、访问模块和循环模块。通过使用本发明,可解决自底向上广度优先搜索算法向量化设计中存在的无效计算问题,提高数据搜索的速度。本发明作为一种自底向上广度优先搜索的向量化方法、系统及装置,可广泛应用于图算法领域。

    一种用于具现化场景问答任务的动作决策模型及方法

    公开(公告)号:CN111539292A

    公开(公告)日:2020-08-14

    申请号:CN202010306319.2

    申请日:2020-04-17

    申请人: 中山大学

    摘要: 本发明公开了一种用于具现化场景问答任务的动作决策模型及方法,所述模型包括:预训练特征提取模组单元,用于对当前时间节点下的多模态输入特征分别进行提取;特征融合单元,用于将由多模态中提取出来的各个特征进行融合形成融合特征;融合特征解码单元,用于将当前时间节点融合特征向量解码为动作空间下的概率分布序列;时序融合动作决策单元,用于将当前及先前时间节点所获得的动作空间下的概率分布序列进行融合,根据融合得到的动作决策向量中的最大值对应的动作做出当前的动作决策。

    一种元数据管理方法、系统及介质

    公开(公告)号:CN109933570B

    公开(公告)日:2020-02-07

    申请号:CN201910198998.3

    申请日:2019-03-15

    申请人: 中山大学

    IPC分类号: G06F16/16 G06F16/14

    摘要: 本发明公开了一种元数据管理方法、系统及介质,本发明将文件系统中所有的目录和文件采用树形结构进行组织,且针对单个目录下的所有目录和子文件作为一个整体、按照创建的顺序依次保存在底层存储设备的连续地址空间上;元数据更新时,采用日志形式对一个目录下的所有子目录/子文件的更新操作按顺序追加在该目录的尾部,使得每次元数据操作仅引发一个IO请求;进行元数据检索时,在一个父目录下解析一个子目录首先要读取该父目录对应的连续地址空间上的所有数据,然后采用多种加速方法搜索匹配。本发明能够有效解决大目录问题,目录路径解析具有更低的延迟,能够减少元数据访问过程中的IO请求数,能够对文件系统的元数据访问实施加速。

    一种基于生成对抗网络的多域图像转换方法与系统

    公开(公告)号:CN110084863A

    公开(公告)日:2019-08-02

    申请号:CN201910340044.1

    申请日:2019-04-25

    申请人: 中山大学

    IPC分类号: G06T9/00 G06N3/04

    摘要: 本发明公开了一种基于生成对抗网络的多域图像转换方法与系统,本发明的多域图像转换方法包括输入指定的X、Y两个模态的原图x、原图y;在重建训练部分针对原图x、原图y分别进行编、解压,分别得到原图特征、重建图、重建特征,并进行特征和图的模态鉴别对抗学习;循环训练部分基于前文的原图特征交换模态的编码器生成重建图、重建图特征以及循环重建图,并再次进行特征和图的模态鉴别对抗学习,最终将循环重建图输出。本发明采用半监督学习方法,既可以利用已有的标签数据也可以使用无标签数据,本发明能够实现多向的多域图像转换而不限于单向域转换或双向的二域转换,对域的数量没有限制,能解决图像风格迁移和医学图像多模态转换等问题。

    一种基于多域异质图引导的视觉问题常识推理模型及方法

    公开(公告)号:CN110598573B

    公开(公告)日:2022-11-25

    申请号:CN201910772828.1

    申请日:2019-08-21

    申请人: 中山大学

    摘要: 本发明公开了一种基于多域异质图引导的视觉问题常识推理模型及方法,所述模型包括:预训练模型初始化单元,利用预训练模型对基础骨架网络和分类器参数进行初始化;视觉信息提取单元,用于利用检测器来提取输入图像的视觉信息的初始特征;上下文投票单元,用于提取全局视觉信息中未被标注的视觉隐含信息结合到视觉信息的局部特征之中;语言特征提取单元,用于利用自然语言预训练模型提取语言部分问题和答案的特征表示;多域特征推理融合单元,用于构造多域异质图,将视觉信息特征和语言信息特征利用多域异质图进行多域特征推理融合获得最终特征表示;分类单元,用于利用分类器对获得的特征处理后进行打分,选取得分高的选项为答案。