-
公开(公告)号：CN119645919A
公开(公告)日：2025-03-18
申请号：CN202510169425.3
申请日：2025-02-17
Applicant: 之江实验室
Abstract: 本发明公开了一种数据传输方法、装置、计算设备和存储介质，涉及计算机技术领域，方法包括：计算设备响应于接收到的来自目标设备的数据传输请求，从存储介质中获取目标设备的共享内存地址，共享内存地址是指目标设备中的共享内存的唯一地址；其中，目标设备中的共享内存与全局内存都采用统一编址技术，以使得共享内存通过共享内存地址直接连接到PCIe总线。计算设备通过PCIe总线向共享内存地址发起数据传输操作。以这种方式GMEM和SMEM使用了统一的地址空间，并且SMEM的地址暴露给外部。这意味着，无论是CPU还是RDMA控制器，都能够通过单一的地址空间来访问这两种类型的内存。本申请解决了现有技术中数据传输效率低的技术问题。
-
公开(公告)号：CN119201361B
公开(公告)日：2025-03-07
申请号：CN202411700119.X
申请日：2024-11-26
Applicant: 之江实验室
Abstract: 本发明公开了一种基于向量化指令集的虚拟GPU的实现方法，用于在CPU处理器中构建虚拟GPU加速卡，使能处理器平台上的虚拟异构加速计算。本方法包括：以CPU中可伸缩向量指令为基础构建虚拟GPU线程运行环境，其中向量化计算单元中的每一个标量计算单元作为虚拟GPU的一个并行计算核，每一个虚拟GPU并行核拥有独立栈空间作为本地存储空间；由虚拟GPU任务管理器创建虚拟GPU线程所需的任务块空间并管理虚拟GPU任务的运行。本系统通过利用CPU可伸缩向量指令的并行化执行能力，构建了类GPU并行化计算模式，以此构建虚拟GPU，提供了在没有GPU硬件的环境下的GPU使用。
-
公开(公告)号：CN119473994A
公开(公告)日：2025-02-18
申请号：CN202510059248.3
申请日：2025-01-15
Applicant: 之江实验室
IPC: G06F15/173 , G06F9/445
Abstract: 本申请涉及一种混合加速卡管理方法、装置、电子装置和存储介质，应用于计算机硬件加速、数据存储和传输领域，其中，该混合加速卡管理方法包括：响应于接收到的服务器数据传输请求，确定混合加速卡的运行时库接口；基于远程直接内存访问技术，将混合加速卡的内存地址注册至预设的硬件抽象层；硬件抽象层中预设有统一硬件抽象接口；运行时库接口与统一硬件抽象接口绑定；通过预设的硬件抽象层，调用运行时库接口执行混合加速卡之间的数据传输操作。通过本申请，在兼容不同厂商GPU加速卡的同时，实现了提高数据处理和传输效率的效果。
-
公开(公告)号：CN114625174B
公开(公告)日：2022-08-02
申请号：CN202210511552.3
申请日：2022-05-12
Applicant: 之江实验室
IPC: G05D1/10
Abstract: 本发明公开了一种基于V2X的车载无人机控制方法和装置，包括以下步骤：步骤S1：采集原始交通数据，并发送至路侧边缘计算单元MEC；步骤S2：生成结构化交通数据；步骤S3：进行周期性广播；步骤S4：得到无人机起飞等级；步骤S5：通过所述智能网联车设置的无人机伴飞灵敏度等级和所述无人机起飞等级，决定最终无人机控制策略；步骤S6：若所述无人机处于飞行状态并到达指定位置，所述无人机向所述智能网联车回传前方交通鸟瞰视频数据。本发明使用V2X技术对车载无人机进行智能调度，使车载无人机做到按需飞行、及时充电，充分提高了车载无人机使用效率，同时避免因操控无人机导致的精力分散，有助于驾驶员专注车辆驾驶。
-
公开(公告)号：CN113746677B
公开(公告)日：2023-09-01
申请号：CN202111021001.0
申请日：2021-09-01
Applicant: 之江实验室
IPC: H04L41/0893 , H04W72/52 , H04W72/563
Abstract: 本发明提供一种面向5G新空口的网络切片内资源分配方法，充分考虑5G新空口频域资源结构特征，并针对5G网络中业务差异性、多样性的特性，设计基于业务数据流量、信息时效性等服务需求指标的业务资源分配优先级。同时，在5G网络硬切片的基础上，提供一种多用户终端、多数据包流共存情况下的基于资源分配优先级设计的网络切片内资源分配方法。该方法首先满足各用户终端的最低传输速率要求，然后以最大化切片内加权传输速率之和作为优化目标进行资源分配。本发明提供的方法具有低复杂度的特点，能够实现切片内资源灵活、快速、动态调整分配，并且能够显著提高资源利用率、提升用户终端服务体验。
-
Patent Agency Ranking
公开(公告)号：CN113567951A
公开(公告)日：2021-10-29
申请号：CN202111126119.X
申请日：2021-09-26
Applicant: 之江实验室
IPC: G01S7/41
Abstract: 本发明提出一种基于时空信息的跨毫米波雷达目标跟踪方法，通过引入时空信息对目标轨迹进行匹配拼接，借助于动态时间规整避免了时间因素对轨迹相似度计算的影响，极大提高了拼接算法的精度，将时间维度信息应用于单雷达中断航迹的接续，实现了单设备内雷达目标轨迹的拼接。同时在拼接过程中，采用基于动态时间规整与PCA‑KL散度的相似度算法完成匹配，从轨迹特性和概率分布两个维度对跨设备目标进行轨迹拼接，极大提高了跨毫米波雷达轨迹拼接的效果。
-
公开(公告)号：CN117768891A
公开(公告)日：2024-03-26
申请号：CN202311754249.7
申请日：2023-12-19
Applicant: 之江实验室
IPC: H04W12/069 , H04W12/108 , H04W12/08 , H04L9/30 , H04W4/46 , H04W4/44
Abstract: 本发明公开了一种基于SM2签名的网联车辆身份快速识别方法、装置及介质，为计算资源有限的网联车辆构建安全高效的V2X通信方案，保证车联网环境下V2V、V2I通信消息的完整性、不可抵赖性。本发明基于SM2数字签名技术提出了一种基于预处理的分组批量验证方法，对实时接收到的车辆V2X消息签名及其身份证书进行验证，通过减少签名验证过程中标量乘法的计算次数，实现对大量V2X通信消息的快速验证。本发明针对分组批量验证失败的签名进行逐一验证以识别异常车辆身份，并基于历史验证信息维护车辆身份黑白名单以辅助提升身份识别效率。经过测试表明异常签名占比10％前提下，本发明实施例与连续分别验证1000个签名相比节省约50％的异常车辆识别时间。
-
公开(公告)号：CN116931005B
公开(公告)日：2023-12-22
申请号：CN202311208648.3
申请日：2023-09-19
Applicant: 之江实验室
Abstract: 本发明公开了一种基于V2X辅助的车辆高精度定位方法、装置和存储介质，包括以下步骤：S1：判断智能网联车的全球导航卫星系统工作状态是否有效；S2：智能网联车接收路侧单元广播信息并进行身份校验；S3：路侧单元根据智能网联车感知硬件信息，广播对应高精地图的唯一识别编码和下载地址；S4：智能网联车下载本地未检索到的高精地图；S5：智能网联车通过地图匹配定位算法获取当前位置；S6：通过航迹推算实现智能网联车定位信息实时高频更新。本发明通过V2X技术辅助智能网联车在全球导航卫星系统失效状态下保持高精度定位，结合通过V2X技术获取的周边实时交通信息，可以有效提高车辆自
-
公开(公告)号：CN114625174A
公开(公告)日：2022-06-14
申请号：CN202210511552.3
申请日：2022-05-12
Applicant: 之江实验室
IPC: G05D1/10
Abstract: 本发明公开了一种基于V2X的车载无人机控制方法和装置，包括以下步骤：步骤S1：采集原始交通数据，并发送至路侧边缘计算单元MEC；步骤S2：生成结构化交通数据；步骤S3：进行周期性广播；步骤S4：得到无人机起飞等级；步骤S5：通过所述智能网联车设置的无人机伴飞灵敏度等级和所述无人机起飞等级，决定最终无人机控制策略；步骤S6：若所述无人机处于飞行状态并到达指定位置，所述无人机向所述智能网联车回传前方交通鸟瞰视频数据。本发明使用V2X技术对车载无人机进行智能调度，使车载无人机做到按需飞行、及时充电，充分提高了车载无人机使用效率，同时避免因操控无人机导致的精力分散，有助于驾驶员专注车辆驾驶。
-
公开(公告)号：CN119473732B
公开(公告)日：2025-03-25
申请号：CN202510067262.8
申请日：2025-01-16
Applicant: 之江实验室 , 上海人工智能创新中心
IPC: G06F11/14 , G06N3/0455 , G06N3/063 , G06N5/04
Abstract: 本发明公开一种基于分布式内存管理的大模型训练故障恢复方法，当判断当前训练轮次需要进行检查点保存业务，获取当前时刻模型状态，并将获取到的模型状态序列化成可存储的格式，生成检查点数据；然后将检查点数据从节点内设备端内存传输至主机端内存；并在传输完毕后继续训练任务，同时进行异步检查点保存；异步检查点保存包括数据分布式内存备份和数据持久化到磁盘两种；训练任务出错时，通过检查点数据进行任务恢复。本发明故障恢复时优先从内存中读取备份数据，可以显著减少因磁盘I/O瓶颈导致的延迟，从而减少因保存或加载检查点数据操作而导致的训练暂停或效率下降，保持GPU或其他计算资源的高效利用，提高大规模模型训练的连续性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.019 seconds)
