-
公开(公告)号：CN114968588B
公开(公告)日：2025-02-28
申请号：CN202210632036.6
申请日：2022-06-07
Applicant: 之江实验室
Abstract: 本发明公开一种面向多并发深度学习训练任务的数据缓存方法和装置，该方法包括：步骤一，对多并发任务中每个任务执行预热训练，采集任务训练批次样本的特征参数，根据特征参数对所有任务进行排序；步骤二，计算每个任务在系统预分配下每个训练批次样本在缓存空间中的样本数目和每个任务期望每个训练批次样本在缓存空间中的样本数目；步骤三，采用缓存动态分配和管理策略并发执行任务的深度学习训练；步骤四，当各任务进入最后一个训练周期时，不再有新的样本数据加入这些任务的缓存空间，同时随着缓存空间内的样本数据被逐渐使用消耗，被占用的缓存空间逐步被释放，被释放的缓存空间被其他尚未结束的任务使用。本发明提高了全局缓存空间的利用率。
-
公开(公告)号：CN114968588A
公开(公告)日：2022-08-30
申请号：CN202210632036.6
申请日：2022-06-07
Applicant: 之江实验室
Abstract: 本发明公开一种面向多并发深度学习训练任务的数据缓存方法和装置，该方法包括：步骤一，对多并发任务中每个任务执行预热训练，采集任务训练批次样本的特征参数，根据特征参数对所有任务进行排序；步骤二，计算每个任务在系统预分配下每个训练批次样本在缓存空间中的样本数目和每个任务期望每个训练批次样本在缓存空间中的样本数目；步骤三，采用缓存动态分配和管理策略并发执行任务的深度学习训练；步骤四，当各任务进入最后一个训练周期时，不再有新的样本数据加入这些任务的缓存空间，同时随着缓存空间内的样本数据被逐渐使用消耗，被占用的缓存空间逐步被释放，被释放的缓存空间被其他尚未结束的任务使用。本发明提高了全局缓存空间的利用率。
-
公开(公告)号：CN113342458B
公开(公告)日：2024-07-09
申请号：CN202110476378.9
申请日：2021-04-29
Applicant: 之江实验室
Abstract: 本发明涉及边缘计算领域，尤其是涉及了一种基于容器云的云边协同海量设备和业务批量控制方法，采用打标签分类的方式，对不同的设备和业务进行控制分类，将边缘侧海量的具有计算能力的设备以节点的形式，纳管到容器云集群中，用户在容器云集群中，对设备进行控制和分类，当需要在海量设备中按需求部署业务时，可以通过标签的形式，在某一类设备上进行业务的快速部署，同时，对于海量业务，用户也可以在容器云集群中进行控制和分类，当需要对海量的业务按照需求进行升级时，也可以通过标签的形式，对某一类业务进行快速的升级。本发明方案满足了用户对海量设备海量业务进行控制和维护的需求，大大提升了控制和维护的效率。
-
公开(公告)号：CN113326541B
公开(公告)日：2021-11-16
申请号：CN202110886663.8
申请日：2021-08-03
Applicant: 之江实验室
Abstract: 本发明公开了一种基于智能合约的云边协同多模式隐私数据流转方法，包括如下步骤：S1，系统初始化；S2，DO将原始数据加密成隐私数据，产生存储的加密凭证z’，z’中包含元数据metadata和数据凭证key’；S3，DO调用智能合约程序实现加密凭证z’上链，DO将z’通过智能合约发布到区块链上，智能合约对所有用户账户开放；S4，实现快速数据流转：DO在发布时，已经明确DU，通过访问策略policy设定DU的用户账号IDDU，DU通过执行智能合约和密钥算法，得到数据访问的加密密钥key，通过元数据，获取隐私数据并解密获取明文；S5，数据流转的确认：DO提交数据流转的交易凭证，确认数据流转完成。
-
公开(公告)号：CN113612820A
公开(公告)日：2021-11-05
申请号：CN202110791582.X
申请日：2021-07-13
Applicant: 之江实验室
Abstract: 本发明涉及云计算、边缘计算领域，具体涉及一种基于SuperEdge和EdgeXFoundry的云边端设备平台控制架构和方法，将EdgeX Foundry边缘计算框架以微服务形式运行在边缘节点，并管理支持多种协议的物联网设备；所述SuperEdge包含云侧和边缘侧，具备云边协同，边缘自治、分布式健康检查的特性，其以容器化编排方式将EdgeX Foundry平台部署于边缘节点之上，可实现EdgeX Foundry设备管理平台的高可用，同时兼顾云端设备数据的存储/分析，解决工业互联网、智能交通、新零售等场景中物联网设备高效管理，可实现设备管理在云端和边缘端的协同，提高了物联网平台的可扩展性以及提高边缘设备管理效率。
-
Patent Agency Ranking
公开(公告)号：CN113435590A
公开(公告)日：2021-09-24
申请号：CN202110991876.7
申请日：2021-08-27
Applicant: 之江实验室
Abstract: 本发明公开了面向边缘计算的重参数神经网络架构搜索方法，包括如下步骤：步骤一：设计线性算子与多支路块结构；步骤二：通过堆叠多支路块结构构建超级网络；步骤三：通过基于梯度的一阶段搜索算法训练超级网络；步骤四：删除超级网络中多余的支路构建最佳子网络；步骤五：多分支的最佳子网络转化成单支路网络；步骤六：使用单支路网络完成任务推理。本发明用于搜索可进行重参数的神经网络结构，在保证推理精度的同时，确保了推理的实时性以及模型运算的高效率。
-
公开(公告)号：CN113342458A
公开(公告)日：2021-09-03
申请号：CN202110476378.9
申请日：2021-04-29
Applicant: 之江实验室
Abstract: 本发明涉及边缘计算领域，尤其是涉及了一种基于容器云的云边协同海量设备和业务批量控制方法，采用打标签分类的方式，对不同的设备和业务进行控制分类，将边缘侧海量的具有计算能力的设备以节点的形式，纳管到容器云集群中，用户在容器云集群中，对设备进行控制和分类，当需要在海量设备中按需求部署业务时，可以通过标签的形式，在某一类设备上进行业务的快速部署，同时，对于海量业务，用户也可以在容器云集群中进行控制和分类，当需要对海量的业务按照需求进行升级时，也可以通过标签的形式，对某一类业务进行快速的升级。本发明方案满足了用户对海量设备海量业务进行控制和维护的需求，大大提升了控制和维护的效率。
-
公开(公告)号：CN113435590B
公开(公告)日：2021-12-21
申请号：CN202110991876.7
申请日：2021-08-27
Applicant: 之江实验室
Abstract: 本发明公开了面向边缘计算的重参数神经网络架构搜索方法，包括如下步骤：步骤一：设计线性算子与多支路块结构；步骤二：通过堆叠多支路块结构构建超级网络；步骤三：通过基于梯度的一阶段搜索算法训练超级网络；步骤四：删除超级网络中多余的支路构建最佳子网络；步骤五：多分支的最佳子网络转化成单支路网络；步骤六：使用单支路网络完成任务推理。本发明用于搜索可进行重参数的神经网络结构，在保证推理精度的同时，确保了推理的实时性以及模型运算的高效率。
-
公开(公告)号：CN113691497A
公开(公告)日：2021-11-23
申请号：CN202110793971.6
申请日：2021-07-13
Applicant: 之江实验室
Abstract: 本发明涉及一种基于KubeEdge和EdgeOS的物联网设备控制架构和方法，该架构具体为：所述KubeEdge包含云侧模块和边缘侧模块，所述云侧模块部署有云端节点，边缘侧模块部署有边缘节点，所述云侧模块管理边缘节点和发布边缘端应用，边缘侧模块执行边缘端应用部署和数据同步至云侧模块，所述边缘节点部署Device Mapper和MQTT Broker，所述EdgeOS配置有Gateway网关并通过该网关与端侧设备进行数据通信，所述Device Mapper以HTTP消息形式与Gateway网关交互，发布、订阅MQTT消息至MQTT Broker。本发明降低了KubeEdge侧设备管理开发的复杂度。
-
公开(公告)号：CN113674408A
公开(公告)日：2021-11-19
申请号：CN202110813841.4
申请日：2021-07-19
Applicant: 之江实验室
Abstract: 本发明涉及计算机视觉领域，具体涉及一种端边协同的视觉同步建图与定位系统及方法，该系统通过一个边缘设备，同时服务于控制范围内的多个移动端设备，满足视觉SLAM应用在端边场景下的应用的算力需求，通过在移动端运行跟踪模块，完成图像帧的采集和预处理和图像的特征点的提取并筛选出关键帧，在边缘侧运行局部建图模块与回环检测模块，完成定位和局部建图。本发明选用ORBSLAM2作为基本框架，通过边缘计算技术中的端边协同技术与视觉同步建图定位技术相结合，提高了视觉同步建图与定位的精度、实时性和可靠性，并且能够有效拓宽其在移动设备中的应用范围。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.011 seconds)
