用于神经网络剪枝的系统和神经网络的剪枝处理方法

    公开(公告)号:CN111582446A

    公开(公告)日:2020-08-25

    申请号:CN202010349768.5

    申请日:2020-04-28

    Abstract: 本申请涉及神经网络技术领域,公开了一种用于神经网络剪枝的系统和神经网络的剪枝处理方法,用以筛选出能够减少神经网络的参数量和提高神经网络的运算速度的剪枝率组。该系统包括剪枝器、性能检测仪和控制器,其中,剪枝器用于在控制器的控制下,根据当前剪枝率组对当前神经网络进行剪枝;性能检测仪用于在控制器的控制下,对加载了剪枝后的神经网络的加速器进行检测,确定剪枝后的神经网络的运行速度;控制器用于控制剪枝器和性能检测仪执行相应的操作,检测并筛选出运行速度符合第一筛选条件和参数量符合第二筛选条件的当前剪枝率组。从多个当前剪枝率组中筛选出能够减少神经网络的参数量,和提高神经网络的运算速度的剪枝率组。

    一种数据处理方法、装置及设备
    13.
    发明公开

    公开(公告)号:CN116028058A

    公开(公告)日:2023-04-28

    申请号:CN202211512285.8

    申请日:2022-11-29

    Abstract: 本公开关于一种数据处理方法、装置及设备,涉及计算机领域。方法包括:对第一电路数据进行编译,得到第一中间数据;对于所述第一中间数据中扇出数量大于扇出阈值的每个循环不变量,基于所述每个循环不变量的扇出树,替换所述第一中间数据中的第一操作数,得到第二中间数据,任一循环不变量的扇出树的节点用于表示所述任一循环不变量,所述第一操作数表示所述循环不变量在所属的循环数据中对应的操作数;基于所述第二中间数据生成第二电路数据。根据本公开的技术方案,基于构建得到的扇出树的关联节点替换循环中循环不变量对应的操作数,得到第二中间数据,减少了循环不变量的扇出数量,从而能够解决高扇出的问题。

    一种数据访问方法、装置及设备
    14.
    发明公开

    公开(公告)号:CN115964331A

    公开(公告)日:2023-04-14

    申请号:CN202211520858.1

    申请日:2022-11-29

    Abstract: 本公开是关于一种数据访问方法、装置及设备,属于计算机技术领域。方法包括:在源文件中获取访存语句和非访存语句,访存语句为用于实现数据访问功能的指令语句,非访存语句为与数据访问功能无关的指令语句;基于访存语句生成数据访问指令,基于非访存语句生成数据处理指令;通过芯片调用数据访问指令,从片外存储器中连续地读取数据,并将读取到的数据存储于片内缓存空间中;通过芯片调用数据处理指令,从片内缓存空间中读取数据,并对读取到的数据进行处理。由于将数据访问和数据处理拆分成两个独立的过程,因此数据访问的过程可以连续执行,降低了时延,数据处理函数从片内缓存空间中读取数据的速度较快,能够提高数据访问和数据处理的效率。

    数据处理方法、装置和电子设备

    公开(公告)号:CN110955390A

    公开(公告)日:2020-04-03

    申请号:CN201911159697.6

    申请日:2019-11-22

    Abstract: 本公开关于一种数据处理方法、装置和电子设备,上述方法包括:若检测到数据缓存区存储有服务器主机写入的数据块,则对数据块进行第一异构加速处理;服务器主机用于接收客户端单次发送的待处理数据,将待处理数据分成至少两个数据块,分别将各个数据块写入到数据缓存区;统计数据缓存区中已完成第一异构加速处理的数据块的数量;若数据缓存区中已完成第一异构加速处理的数据块的数量达到待处理数据所分成的数据块的数量,则对各个数据块对应的处理结果进行第二异构加速处理,得到待处理数据的目标处理结果。采用该方法可以解决相关技术中服务器的数据处理效率较低的问题,从而提高了服务器的数据处理效率。

    资源数据的检索方法、装置、电子设备及存储介质

    公开(公告)号:CN115794809A

    公开(公告)日:2023-03-14

    申请号:CN202211238792.7

    申请日:2022-10-11

    Abstract: 本公开涉及资源数据的检索方法、装置、电子设备及存储介质。所述方法包括:获取资源数据的初始第一向量以及多个量化后的第二向量;其中,所述量化后的第二向量为利用预设的正交矩阵对数据集中的初始第二向量进行特征处理,以及利用缩放因子对特征处理后的第二向量进行量化处理得到,所述特征处理后的第二向量的均匀分布程度高于所述初始第二向量的均匀分布程度;利用所述正交矩阵对所述初始第一向量进行特征处理,得到第一向量;分别计算所述第一向量与多个所述量化后的第二向量的相似度,确定相似度最高的预设数量的量化后的第二向量,并将所述预设数量的量化后的第二向量对应的资源数据作为检索结果。本公开实施例的检索准确率较高。

    一种深度卷积神经网络的剪枝方法、装置、设备及介质

    公开(公告)号:CN110969240B

    公开(公告)日:2022-12-09

    申请号:CN201911115521.0

    申请日:2019-11-14

    Abstract: 本公开关于一种深度卷积神经网络的剪枝方法、装置、设备及介质,用以在提高剪枝准确度的同时,减少对深度卷积神经网络剪枝的计算量,优化深度卷积神经网络模型结构。本公开的深度卷积神经网络的剪枝方法,包括:利用预先训练的深度卷积神经网络对样本数据进行识别,确定深度卷积神经网络内每层网络中各个滤波器的性能参数,样本数据用于记录采集到的待识别对象的对象特征;根据预设剪枝率及深度卷积神经网络内各个滤波器的性能参数,确定深度卷积神经网络的剪枝参数;在深度卷积神经网络中,根据各滤波器的性能参数与剪枝参数,去除不符合预设条件的滤波器与上层网络和下层网络之间的联系。

    信息推荐方法、装置、电子设备及存储介质

    公开(公告)号:CN113609377B

    公开(公告)日:2022-11-22

    申请号:CN202110751205.3

    申请日:2021-07-02

    Abstract: 本公开关于一种信息推荐方法、装置、电子设备及存储介质,该方法包括:响应于目标对象的信息推荐请求,获取目标对象的兴趣信息和包括上层图和底层图的目标近邻图,底层图包括多个子图,每个子图包括上层图中的节点和每个子图各自对应的其他节点,每个子图各自对应的其他节点为预设推荐信息集中除与上层图中的节点对应的推荐信息以外的推荐信息;基于每个子图的导航节点及相应的邻居节点,与相应的兴趣节点之间的距离,确定每个子图的起始搜索节点;根据每个子图的起始搜索节点及相应的邻居节点,与相应的兴趣节点之间的距离,确定目标节点;将目标节点对应的推荐信息推荐至目标对象。本公开能够提高向目标对象推荐推荐信息的精度和速度。

Patent Agency Ranking