-
公开(公告)号：CN111831331B
公开(公告)日：2024-04-05
申请号：CN202010688961.1
申请日：2020-07-16
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供一种用于分形智能处理器的分形可重配指令集，该分形可重配指令集将本地指令或计算原语映射为用于分形运算的分形指令，该本地指令作用于向量数据或标量数据。该分形可重配指令集包括间接指令域。对应的，分形智能处理器的控制系统包括分解模块、降级模块及记录模块；分解模块用于对分形可重配指令集进行串行分解；降级模块用于对串行分解后的串行分解子指令进行降级；分解模块还用于对降级后的串行分解子指令进行并行分解。记录模块，用于在每一次串行分解之前，替换所间接指令域的值，以实现对分形可重配指令集的动态控制。该分形可重配指令抽象层次高，表达灵活性强，结合控制系统的硬件架构支持，可解决计算过程中的失效问题。
-
公开(公告)号：CN117689865A
公开(公告)日：2024-03-12
申请号：CN202211025096.8
申请日：2022-08-25
Applicant: 中国科学院计算技术研究所
IPC: G06V10/25 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于特征和融合模式搜索的目标检测方法和系统，包括：构建包括融合特征搜索单元和融合模式搜索单元的特征融合网络；融合特征搜索单元从图片的多尺度特征中搜索得到各尺度下的最优特征；从所有最优特征中选择两个特征作为候选特征对，融合模式搜索单元根据候选特征对，从包括多个候选融合操作的操作集中搜索得到融合策略，对候选特征对进行特征融合，得到融合特征；基于融合特征确定图片中检测目标的预测位置类别。使用了神经网络搜索算法并根据上述关键因素设计融合特征搜索单元和融合模式搜索单元，减小了搜索时的计算开销和内存开销并有效找到好的结构。
-
公开(公告)号：CN117671231A
公开(公告)日：2024-03-08
申请号：CN202211024977.8
申请日：2022-08-25
Applicant: 中国科学院计算技术研究所
IPC: G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明提出一种基于特征和路径搜索的目标检测方法和系统，包括：构建包括融合特征搜索单元和融合路径搜索单元的特征融合网络；该融合特征搜索单元从图片的多尺度特征中搜索得到各尺度下的最优特征；对各尺度下的该最优特征的通道进行分组，该融合路径搜索单元从各分组中搜索得到候选特征，构建多个由两个候选特征构成的候选特征对；基于预设的融合策略对该候选特征对进行特征融合，得到每个该候选特征对的融合特征，以确定图片中检测目标的预测位置类别。
-
公开(公告)号：CN117151185A
公开(公告)日：2023-12-01
申请号：CN202310943969.1
申请日：2023-07-28
Applicant: 中国科学院计算技术研究所
IPC: G06N3/08 , G06N3/084 , G06N3/0464 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种基于联合优化的深度神经网络自适应量化方法和系统，包括：将划分参数与神经网络参数联合优化，以使深度神经网络的数据划分和神经网络参数训练共同进行。保存训练完成后的划分参数，使用划分参数对执行模型的激活或权重进行量化，得到最终模型，以该最终模型执行相应任务。本发明可以更好地拟合深度神经网络激活和权重的数据分布，将深度神经网络中所有线性层的激活值和权重量化为低比特，从而减少量化误差，且本发明在模型的使用阶段，可以减少模型使用的计算量，加快图像分类的预测速度，减少分类产生的能耗，并减少模型存储所使用的空间大小。
-
公开(公告)号：CN114697673B
公开(公告)日：2023-06-27
申请号：CN202011607729.7
申请日：2020-12-30
Applicant: 中国科学院计算技术研究所
IPC: H04N19/42 , H04N19/13 , H04N19/124 , G06N3/082
Abstract: 本发明提出一种基于流间数据混洗的神经网络量化压缩方法及系统，包括获取经过量化处理后待压缩的神经网络数据，对该神经网络数据进行分块，得到多个数据块；对每一个该数据块分配一个数据流进行压缩，且数据流随机选择输入缓存或根据预设规则选择输入缓存，得到该数据块的压缩结果；集合各数据块的压缩结果，作为该神经网络数据的压缩结果；本发明避免了连续从同一个输入缓存读取数据，增加了单个数据流的输入随机性，进一步平衡各数据流的编码速率，从而提高硬件资源的利用效率。
-
Patent Agency Ranking
公开(公告)号：CN114429200A
公开(公告)日：2022-05-03
申请号：CN202111639628.2
申请日：2021-12-29
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063 , G06F40/126
Abstract: 本发明提出一种规范化哈夫曼编码方法和神经网络计算芯片，包括：对该神经网络数据进行游程全零编码，得到游程压缩数据，其中该游程全零编码包括仅对该神经网络数据中的零字符进行游程编码；对该游程压缩数据进行哈夫曼编码，并自上而下地将编码结果中每一级节点中的叶子节点编码进行加1左移，以将该编码结果中每一级节点中的叶子节点移到树结构的左侧，生成该编码结果的规范哈夫曼编码，作为该神经网络数据的压缩结果。
-
公开(公告)号：CN111857834A
公开(公告)日：2020-10-30
申请号：CN202010689150.3
申请日：2020-07-16
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供了一种分形计算智能处理器、分形计算智能处理方法，分形计算智能处理器包括：至少两个分形计算子单元，用于根据分形计算指令进行分形计算，其中，各个所述分形计算子单元的结构之间具备层次同性；所述分形计算子单元的数量根据执行的所述分形计算对应的程序设定；控制器，用于根据所述分形计算子单元的数量及硬件资源生成分形计算指令，并发送所述分形计算指令至所述分形计算子单元；存储器，用于存储所述分形计算所需数据及分形计算结果；规约运算器，用于根据规约运算指令对各个所述分形计算子单元的分形计算结果进行规约运算。本技术方案可实现串行编程、并行执行，从而解决通用领域并行编程难题。
-
公开(公告)号：CN111024108A
公开(公告)日：2020-04-17
申请号：CN201911335142.2
申请日：2019-12-20
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供一种智能路线规划展示装置，包括深度学习处理器，该装置包括：第一展示模块，用于在软件界面展示至少一个输入域，其中，所述至少一个输入域包括：一个起始位置输入域和多个目的位置输入域；接收模块，用于接收用户针对各所述输入域的输入操作；第二展示模块，用于响应所述对输入域的输入操作，接收深度学习处理器对所述输入域输入数据的处理结果，在所述软件界面展示目标行进路线，所述目标行进路线的终点为所述目的位置之一。通过本公开的装置，能够基于属于的多个目的位置，展现出优化的目标行进路线。
-
公开(公告)号：CN111006653A
公开(公告)日：2020-04-14
申请号：CN201911335857.8
申请日：2019-12-20
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供一种智能路线规划方法及设备，其中方法包括：获取起始位置和多个目的位置；将所述起始位置、所述多个目的位置输入到路线规划神经网络模型，通过深度学习处理器处理后确定目标行进路线，所述目标行进路线的终点为所述多个目的位置之一。通过本公开的路线规划方法，能够通过深度学习处理器实现多个目的位置的统一协调，减少用户不必要的路程耽搁，或者为用户提供其它便利。
-
公开(公告)号：CN111831333B
公开(公告)日：2024-03-29
申请号：CN202010689147.1
申请日：2020-07-16
Applicant: 中国科学院计算技术研究所
Abstract: 本公开提供一种用于智能处理器的指令分解方法、装置及电子设备，所述智能处理器根据分形指令进行分形运算，所述方法包括：确定对所述分形指令的操作数进行分解的维度的分解优先级；根据所述分解优先级选择当前分解的维度；在所述当前分解的维度上，对所述分形指令的操作数进行串行分解。该指令分解方法，能够在合理时间范围内找到最佳分解方案，依据最佳分解方案，串行分解器按照粒度循环输出指令模板，通过累加，计算分解出的子指令中各操作数的地址，从而提高分形运算的并行效率。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.041 seconds)
