-
公开(公告)号：CN118709209A
公开(公告)日：2024-09-27
申请号：CN202310335275.X
申请日：2023-03-27
Applicant: 华为技术有限公司
IPC: G06F21/62 , G06F18/214 , G06F18/213 , G06N3/04
Abstract: 本申请公开了一种用户数据发布方法及装置，用户数据发布方法包括：获取用户数据；对用户数据进行采样处理，得到样本数据；通过特征提取器对样本数据进行特征提取，得到特征向量；对特征向量进行裁剪，以得到裁剪向量，裁剪用于限制特征向量的二范数的最大值；对裁剪向量进行混合，得到混合向量；在混合向量中添加高斯噪声，以得到发布数据。通过特征提取器提取样本数据中的特征，然后对特征提取后的特征向量进行裁剪混合，在特征空间的混合可以减少混合对数据效用的影响，极大地提升发布数据的效用。
-
公开(公告)号：CN118693936A
公开(公告)日：2024-09-24
申请号：CN202310326452.8
申请日：2023-03-23
Applicant: 华为技术有限公司
IPC: H02J7/00 , H04M1/72409 , H04M1/72412 , H04W4/80
Abstract: 本申请涉及移动终端技术领域，公开了一种充电方法、设备及介质。本申请的充电方法包括：检测到第一电子设备和第二电子设备建立充电连接；获取到第二电子设备的充电请求，充电请求包括充电请求电压和充电请求电流；确定第一电子设备处于第一运行状态，将充电请求电压和充电请求电流作为对第二电子设备提供的供电电压和供电电流；确定第一电子设备处于第二运行状态，基于第二运行状态和充电请求，确定出对第二电子设备提供的第一供电电压和第一供电电流。上述方案在保证第一电子设备正常运行的情况下实现了对第二电子设备的供电，提高了用户体验。
-
公开(公告)号：CN118520967A
公开(公告)日：2024-08-20
申请号：CN202310171526.5
申请日：2023-02-20
IPC: G06N20/00
Abstract: 公开了一种模型训练方法、装置及设备，涉及机器学习技术领域。由于不同的计算设备具有不同的数据组织形式，训练设备获取每个计算设备按照相同的训练方向(第一梯度)确定的修正数据，使得训练设备利用该修正数据来训练模型时无需考虑数据组织形式的不同，避免了模型训练的稳定性较差的问题。而且，不同的计算设备都按照相同的训练方向来运行模型和输出修正数据，有利于训练设备获取更准确的模型训练方向，从而减少模型训练的轮次，也降低了训练设备和计算设备之间的通信次数，有利于提高模型收敛的速度以及模型的训练效率。
-
公开(公告)号：CN118504637A
公开(公告)日：2024-08-16
申请号：CN202310158460.6
申请日：2023-02-16
Applicant: 华为技术有限公司
Abstract: 本申请公开了一种基于混合并行方式的模型训练方法、装置以及设备，属于人工智能技术领域。本方法通过将神经网络模型划分为多个流水线分段，每个流水线分段包括神经网络模型的多个子分段，在采用混合并行方式，按照神经网络模型中各个子分段的排序，调用多个流水线分段对应的计算节点，对对应的流水线分段中的网络层迭代训练时，由于相邻流水线分段中相同位置的子分段在神经网络模型中连续，则计算节点无需等待前一流水线分段前向传播完成，只需等待前一流水线分段中的第一个子分段前向传播完成，就能在对应流水线分段进行前向传播，降低了训练过程中计算节点的空闲时长，增加了计算节点的利用率。
-
公开(公告)号：CN116663633A
公开(公告)日：2023-08-29
申请号：CN202210138879.0
申请日：2022-02-15
Applicant: 华为技术有限公司
Abstract: 本申请涉及人工智能领域，公开了一种数据处理方法，方法应用于目标计算节点，其中，目标计算节点所属的计算节点集群可以并行训练超网，超网的训练样本包括第一批batch以及第二batch，且在对超网进行训练的过程中，根据第一batch进行的前向传播过程被配置为在根据第二batch进行的前馈过程之后进行，方法包括：目标计算节点在已完成根据第二输入数据对第二子模型的参数更新的情况下，通过第一子模型处理第一输入数据。本申请可以提升最终训练得到的超网的模型精度以及训练结果的确定性。
-
Patent Agency Ranking
公开(公告)号：CN115424085A
公开(公告)日：2022-12-02
申请号：CN202110525151.9
申请日：2021-05-14
Applicant: 华为技术有限公司
IPC: G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本申请提供了一种模型训练方法和装置。该方法包括：接收来自N个终端设备的表征结果，每个终端设备的表征结果是每个终端设备利用第一子模型对每个终端设备的本地数据进行第一处理得到的，第一处理包括提取目标任务对应的目标特征，第一子模型包含于第一模型中，第一模型是云端设备根据目标任务利用第三数据集训练得到的，第三数据集包括的数据的特征与每个终端设备的数据的特征相同，第三数据集包括的数据不属于每个终端设备的本地数据，N为大于等于2的正整数；利用N个终端设备的表征结果和目标任务对第二子模型进行训练，得到第三子模型，第二子模型包含于第一模型中。该方法可以提高用户隐私数据的安全性和降低系统开销。
-
公开(公告)号：CN113163074A
公开(公告)日：2021-07-23
申请号：CN202010075892.7
申请日：2020-01-22
Applicant: 华为技术有限公司
Abstract: 本申请提供一种摄像组件及电子设备。摄像组件包括辅支架、转动摄像模组及柔性导热件，转动摄像模组包括转动支架及设于所述转动支架上的摄像功能组，所述转动支架与所述辅支架转动连接，所述柔性导热件与所述摄像功能组的一端固定连接，所述柔性导热件还用于与非转动摄像模组部件连接，以将所述摄像功能组产生的热量转移至所述非转动摄像模组部件。通过柔性导热件对转动摄像模组产生的热量进行跨区域转移，有利于降低转动摄像模组周遭温度，从而提高转动摄像模组的摄像质量和延长转动摄像模组的拍摄时间。
-
公开(公告)号：CN118864878A
公开(公告)日：2024-10-29
申请号：CN202310487366.5
申请日：2023-04-28
Abstract: 本申请实施例提供了一种目标检测方法及装置，涉及计算机技术领域，该方法包括：获取目标场景的点云；对点云进行体素化处理，得到体素集合；通过第一尺寸的多个窗口，将点云划分为与多个窗口一一对应的多个窗口区域；根据体素集合中体素在多个窗口区域中每个窗口区域中的分布位置，分别确定每个窗口区域对应的第二尺寸的体素子集的数量；分别根据每个窗口区域对应的体素子集的数量，从体素集合中确定窗口区域对应的体素子集；并行地对多个窗口区域分别对应的体素子集进行至少一次特征提取，得到点云的特征数据，并基于特征数据对目标场景进行目标检测。本申请实施例可以对点云进行并行地特征提取，从而提高目标检测的效率。
-
公开(公告)号：CN116149972A
公开(公告)日：2023-05-23
申请号：CN202111372034.X
申请日：2021-11-18
Applicant: 华为技术有限公司
IPC: G06F11/36 , G06N3/0464 , G06N3/06 , G06N3/084
Abstract: 本申请一种深度学习模型的测试方法，包括：将图片数据I输入深度学习模型，根据添加噪声E前后所述深度学习模型中每一个神经元输出的差异，获得神经元的扰动值，所述深度学习模型M中神经元的数量为n个；从所述n个神经元中选取k个扰动值最大的神经元作为采样神经元，其中k
-
公开(公告)号：CN115525419A
公开(公告)日：2022-12-27
申请号：CN202110710734.9
申请日：2021-06-25
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开了一种神经网络模型的训练方法、装置及存储介质，属于AI技术领域。在本申请实施例中，当多个训练节点上的当前模型分段不平衡时，训练节点可以根据模型分段更新信息对自身上部署的待更新的模型分段进行调整，以使得各个训练节点上的模型分段能够更优。在调整模型分段之后，根据调整后的模型分段来确定层间数据的存储管理策略。由于训练节点的内存负载主要取决于其上所部属的模型分段以及模型分段的层间数据的存储管理，因此，本申请实施例通过调整模型分段并对调整后的模型分段的层间数据的存储管理策略进行设置，可以使得各个训练节点上的内存负载更平衡，从而提升该分布式训练系统的吞吐量。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.042 seconds)
