-
公开(公告)号：CN110210490B
公开(公告)日：2024-06-28
申请号：CN201810167102.0
申请日：2018-02-28
申请人： 深圳市腾讯计算机系统有限公司
IPC分类号： G06V10/46 , G06V10/25 , G06V10/82 , G06N3/0464
摘要： 本申请涉及一种图像数据处理方法、装置、计算机设备和存储介质，所述方法包括：获取特征图谱的预测感兴趣区域，获取预测感兴趣区域的倾斜信息，获取目标池化矩阵的维度信息，根据预测感兴趣区域的倾斜信息确定池化窗对应的倾斜信息，根据维度信息和池化窗对应的倾斜信息对预测感兴趣区域进行划分得到对应的多个待池化区域，按照预设池化算法对各个待池化区域进行池化，得到各个待池化区域对应的池化结果，根据维度信息获取各个待池化区域对应的池化结果，组成目标池化矩阵。根据预测感兴趣区域的倾斜信息对预测感兴趣区域进行划分得到多个待池化区域，对多个待池化区域进行池化，得到更为精确的池化结果，以提高倾斜感兴趣区域的特征提取精确度。
-
公开(公告)号：CN105046515B
公开(公告)日：2017-12-22
申请号：CN201510364387.3
申请日：2015-06-26
申请人： 深圳市腾讯计算机系统有限公司
摘要： 本发明提供一种广告排序方法，其包括：获取广告图像特征参数以及广告文字特征参数；将广告图像特征参数以及广告文字特征参数，设定为第一深度神经网络的输入向量；对第一深度神经网络进行第一模型训练，以输出预估广告点击率特征；根据预估广告点击率特征，进行广告排序。本发明还提供一种广告排序装置，本发明的广告排序方法及装置通过卷积神经网络对广告图片的特征进行统计，提高了广告点击率预估的准确性。
-
公开(公告)号：CN104978601A
公开(公告)日：2015-10-14
申请号：CN201510368328.3
申请日：2015-06-26
申请人： 深圳市腾讯计算机系统有限公司
IPC分类号： G06N3/08
摘要： 本发明涉及一种神经网络模型训练系统和方法，所述系统包括协调设备和预设数量的计算设备；所述协调设备用于按神经网络模型的层对各所述计算设备进行同步控制；各所述计算设备用于在协调设备按神经网络模型的层的同步控制下，根据输入到神经网络模型的训练样本，按照神经网络模型的训练顺序，处理神经网络模型中相应层中被划分到各计算设备的节点，将处理节点所生成的数据发送给模型存储设备或者与本设备节点相连接的下一层的节点所在的计算设备，直至对输入的训练样本训练结束。本发明提供的神经网络模型训练系统和方法，解决了单个物理设备的局限性导致限制了神经网络模型规模的问题。
-
公开(公告)号：CN104980518B
公开(公告)日：2018-11-23
申请号：CN201510367503.7
申请日：2015-06-26
申请人： 深圳市腾讯计算机系统有限公司
摘要： 本发明涉及一种多学习主体并行训练模型的方法、装置和系统。所述方法包括以下步骤：通过单台机器中的多个训练的学习主体各自读取样本；在同一时刻一个训练的学习主体从训练模型中获取当前的参数值；根据所述当前的参数值对读取的样本进行训练得到新的参数值；将所述新的参数值更新到所述训练模型中，所述训练模型中保存一个参数值。上述多学习主体并行训练模型的方法、装置和系统，因模型只保存一个参数值，它的最新状态所有学习主体都能访问，任何学习主体更新了模型的状态，随后读取模型状态的学习主体都能看到最新的更新，大大减少了由于模型不共享，不同学习主体看到的模型状态有差异带来的影响，训练过程中，模型可以收敛很快。
-
公开(公告)号：CN104965812B
公开(公告)日：2017-12-01
申请号：CN201510408806.9
申请日：2015-07-13
申请人： 深圳市腾讯计算机系统有限公司
IPC分类号： G06F15/18
摘要： 本申请公开了一种深层模型处理方法及装置，获取针对目标事件所构建并训练的浅层模型，并利用所述浅层模型的输入特征及输入权重值，构建深层模型的输入层，进一步确定深层模型的隐层个数及各隐层的节点个数，对深层模型中各层节点的输入权重值进行初始化，以使所述深层模型的输出层所输出的结果与浅层模型的输出结果相同或者接近。本申请利用浅层模型结构来构建深层模型的输入层，并通过对深层模型各层节点的输入权重值进行初始化，使深层模型输出结果与浅层模型输出结果相同或者相近，从而借鉴了浅层模型基于训练数据所学到的先验知识，使得初始化后的初步深层模型的质量与已训练完毕的浅层模型的质量相同或者相近。
-
公开(公告)号：CN105046515A
公开(公告)日：2015-11-11
申请号：CN201510364387.3
申请日：2015-06-26
申请人： 深圳市腾讯计算机系统有限公司
摘要： 本发明提供一种广告排序方法，其包括：获取广告图像特征参数以及广告文字特征参数；将广告图像特征参数以及广告文字特征参数，设定为第一深度神经网络的输入向量；对第一深度神经网络进行第一模型训练，以输出预估广告点击率特征；根据预估广告点击率特征，进行广告排序。本发明还提供一种广告排序装置，本发明的广告排序方法及装置通过卷积神经网络对广告图片的特征进行统计，提高了广告点击率预估的准确性。
-
公开(公告)号：CN104965812A
公开(公告)日：2015-10-07
申请号：CN201510408806.9
申请日：2015-07-13
申请人： 深圳市腾讯计算机系统有限公司
IPC分类号： G06F15/18
摘要： 本申请公开了一种深层模型处理方法及装置，获取针对目标事件所构建并训练的浅层模型，并利用所述浅层模型的输入特征及输入权重值，构建深层模型的输入层，进一步确定深层模型的隐层个数及各隐层的节点个数，对深层模型中各层节点的输入权重值进行初始化，以使所述深层模型的输出层所输出的结果与浅层模型的输出结果相同或者接近。本申请利用浅层模型结构来构建深层模型的输入层，并通过对深层模型各层节点的输入权重值进行初始化，使深层模型输出结果与浅层模型输出结果相同或者相近，从而借鉴了浅层模型基于训练数据所学到的先验知识，使得初始化后的初步深层模型的质量与已训练完毕的浅层模型的质量相同或者相近。
-
公开(公告)号：CN104036451B
公开(公告)日：2018-12-11
申请号：CN201410281130.7
申请日：2014-06-20
申请人： 深圳市腾讯计算机系统有限公司
IPC分类号： G06T1/40
CPC分类号： G06T1/20 , G06F9/48 , G06T2200/28
摘要： 本发明涉及一种基于多图形处理器(GPU)的并行数据处理方法，包括以下步骤：在中央处理器(CPU)内创建用于分别控制多个工作组(Worker Group)的多个工作线程(Worker)，所述工作组包括多个GPU；将每个工作线程与对应的一个GPU绑定；从非易失性存储器内加载一个批次(Batch)的训练数据至与一个工作组对应的一个GPU显存中；在对应于一个工作组的多个GPU之间以点对点(Peer to Peer)的方式传输GPU进行数据处理所需要的数据；通过所述工作线程控制所述多个GPU并行进行数据处理。所述方法可以提升多GPU并行数据处理的效率。此外，本发明还提供一种并行数据处理装置。
-
公开(公告)号：CN104978601B
公开(公告)日：2017-08-25
申请号：CN201510368328.3
申请日：2015-06-26
申请人： 深圳市腾讯计算机系统有限公司
IPC分类号： G06N3/08
摘要： 本发明涉及一种神经网络模型训练系统和方法，所述系统包括协调设备和预设数量的计算设备；所述协调设备用于按神经网络模型的层对各所述计算设备进行同步控制；各所述计算设备用于在协调设备按神经网络模型的层的同步控制下，根据输入到神经网络模型的训练样本，按照神经网络模型的训练顺序，处理神经网络模型中相应层中被划分到各计算设备的节点，将处理节点所生成的数据发送给模型存储设备或者与本设备节点相连接的下一层的节点所在的计算设备，直至对输入的训练样本训练结束。本发明提供的神经网络模型训练系统和方法，解决了单个物理设备的局限性导致限制了神经网络模型规模的问题。
-
公开(公告)号：CN104951965B
公开(公告)日：2017-04-19
申请号：CN201510364389.2
申请日：2015-06-26
申请人： 深圳市腾讯计算机系统有限公司
摘要： 本发明提供一种广告投放方法，其包括获取广告点击率特征参数；根据广告点击率特征参数，建立相应的输入层神经元；根据广告点击率特征参数，对输入层神经元进行分类；根据输入层神经元的类别，建立隐藏层神经元；根据隐藏层神经元，输出预估广告点击率特征；以及根据预估广告点击率特征，进行广告投放。本发明还提供一种广告投放装置。本发明提供的广告投放方法及广告投放装置通过对神经网络结构的输入层神经元进行分类，降低了神经网络结构在训练时的计算量，同时使得神经网络结构在训练时更易收敛，提高了广告投放目标的准确度。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.044 秒)
