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。

    信息推荐系统、方法、装置、服务器及存储介质

    公开(公告)号:CN112650778B

    公开(公告)日:2024-03-12

    申请号:CN202011573356.6

    申请日:2020-12-24

    Abstract: 本公开关于一种信息推荐系统、方法、装置、服务器及存储介质。所述信息推荐系统包括:预测服务器、存储服务器以及计算缓存服务器;其中,存储服务器,用于存储账户数据;计算缓存服务器,用于对信息数据库中存储的信息进行特征提取,得到信息对应的信息特征并缓存;预测服务器,用于响应于信息推荐请求,从存储服务器获取对应的账户数据,从计算缓存服务器缓存的信息特征中获取对应的信息特征,并获取账户数据对应的账户特征,确定账户特征和信息特征之间的相关性,基于相关性得到对应账户的推荐信息。本公开提供的信息推荐系统,预测服务器可减少信息特征提取的计算过程,从而降低计算损耗。

    服务请求处理方法、装置、服务器及存储介质

    公开(公告)号:CN113242307B

    公开(公告)日:2023-04-25

    申请号:CN202110538953.3

    申请日:2021-05-18

    Abstract: 本公开关于一种服务请求处理方法、装置、服务器及存储介质,涉及互联网技术领域。方法包括:接收终端发送的第一服务请求;确定该第一服务请求所需的服务资源,从服务器集群中,选择与该服务资源匹配的目标服务器,该服务器集群包括异构服务器和非异构服务器;通过该目标服务器对该第一服务请求进行处理,得到处理结果;向该终端发送该处理结果。通过本方案,在所需的服务资源的资源量较大时,也能使用匹配的目标服务器进行处理,保证了在指定时间内能完成处理该第一服务请求,这样就无需对目标服务器中的算法进行压缩,从而在保证第一服务请求不延迟的前提下,保证了第一服务请求的处理结果的质量。

    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。

    信息推荐系统、方法、装置、服务器及存储介质

    公开(公告)号:CN112650778A

    公开(公告)日:2021-04-13

    申请号:CN202011573356.6

    申请日:2020-12-24

    Abstract: 本公开关于一种信息推荐系统、方法、装置、服务器及存储介质。所述信息推荐系统包括:预测服务器、存储服务器以及计算缓存服务器;其中,存储服务器,用于存储账户数据;计算缓存服务器,用于对信息数据库中存储的信息进行特征提取,得到信息对应的信息特征并缓存;预测服务器,用于响应于信息推荐请求,从存储服务器获取对应的账户数据,从计算缓存服务器缓存的信息特征中获取对应的信息特征,并获取账户数据对应的账户特征,确定账户特征和信息特征之间的相关性,基于相关性得到对应账户的推荐信息。本公开提供的信息推荐系统,预测服务器可减少信息特征提取的计算过程,从而降低计算损耗。

    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:CN110969240A

    公开(公告)日:2020-04-07

    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。

Patent Agency Ranking