分布式深度学习流调度方法、系统、设备

    公开(公告)号:CN111131080A

    公开(公告)日:2020-05-08

    申请号:CN201911363582.9

    申请日:2019-12-26

    Abstract: 本发明公开了一种分布式深度学习流调度方法、系统、设备,涉及计算机技术领域。分布式深度学习流调度设备能够部署分布式深度学习流调度系统,并采用分布式深度学习流调度方法实现流调度。本发明方法从DDL训练的流特点出发,提出采用高精度改善优先的调度方式,对DDL训练任务进行数据流调度。本发明对DDL训练任务进行优先级划分,并周期性的更新DDL训练任务的优先级。其中通过DDL训练任务的历史数据预测该任务未来一个调度周期的精度改善情况,并以此进行排序进而确定DDL训练任务的优先级。同时,本发明考虑了网络优先级有限的情况,并通过全局优先级映射为本地优先级的方式,实现了少量优先级模拟无限优先级的可能。

    一种在并行任务分组调度下使用锁协议的方法

    公开(公告)号:CN112965829B

    公开(公告)日:2023-08-11

    申请号:CN202110197392.5

    申请日:2021-02-22

    Abstract: 本发明提出了一种在并行任务分组调度下使用锁协议的方法通过P‑FP调度将子任务固定地分配到具体的每个核上,实现子任务之间可近似地被看做串行任务,然后再通过将共享资源lq划分为局部资源和全局资源,并设置子任务的优先级和处理器的优先级等,本发明通过以上设置,再具体结合对子任务和共享资源以及处理器之间的分配以及锁协议的使用,解决了现有技术在并行任务调度技术领域使用串行任务的锁协议的技术需求,实现了串行任务的锁协议可适应性地迁移到并行任务的调度中,降低了并行任务出现死锁、阻塞链等的问题,同时降低了优先级翻转造成的调度损失,提高了并行任务调度的效率等。

    一种用于数据中心的可选择性显式拥塞通知标记方法

    公开(公告)号:CN108270691A

    公开(公告)日:2018-07-10

    申请号:CN201810027469.2

    申请日:2018-01-11

    Inventor: 周攀 虞红芳

    Abstract: 本发明公开了一种用于数据中心的可选择性显式拥塞通知标记方法(简称SECN),SECN实现分为两个部分:1.发送端将估计的流速率写入数据包的头部;2.交换机通过读取数据包头部的速率值来判断流的速率等状态,交换机标记发送速率高的流。本发明即SECN是第一个区分流状态的ECN标记方法,并且是低负载的。本发明可明显提高链路吞吐量,降低流完成时间,并提高多瓶颈流的吞吐量。

    一种容误码的删除RS码编码参数盲识别方法

    公开(公告)号:CN102932012B

    公开(公告)日:2016-12-21

    申请号:CN201210339550.7

    申请日:2012-09-13

    Abstract: 本发明提供一种容误码的删除RS码编码参数盲识别方法,利用删除RS码在二元域上映射的结构特性,构造出与原码一一对应的线性码,计算该线性码在不同本原多项式下分量码码空间的归一化维数,通过最小寻找归一化维数,完成对删除RS码参数的盲估计。本发明运算复杂度低,识别速度快,性能稳定,且在高误码率条件下仍能很好的进行对删除RS码编码参数的盲识别。

    双层基板高隔离度的八单元UWB-MIMO天线及设备

    公开(公告)号:CN118213757A

    公开(公告)日:2024-06-18

    申请号:CN202410489031.1

    申请日:2024-04-23

    Abstract: 本发明公开一种双层基板高隔离度的八单元UWB‑MIMO天线及设备,涉及MIMO技术领域,解决了MIMO天线单元数量较少,无法在较宽频带内实现较好的隔离效果的技术问题。该装置包括四单元的第一UWB‑MIMO天线、以及四单元的第二UWB‑MIMO天线;第一UWB‑MIMO天线以两单元为一组,对称设置于正八边形的第一介质基板的第一侧面的延长边上;第二UWB‑MIMO天线也以两单元为一组,对称设置于矩形结构的第二介质基板上,第二介质基板设置于第一介质基板的第二侧面。本发明为双层基板模式,实现了天线单元之间的高度隔离,较现有的二至四单元天线成倍提升了天线单元端口数量,便于实现高度隔离和小型化的统一。

    一种基于眼动特征的弱视类型与严重程度的智能评估系统

    公开(公告)号:CN117436002A

    公开(公告)日:2024-01-23

    申请号:CN202311663730.5

    申请日:2023-12-06

    Abstract: 本发明公开了一种基于眼动特征的弱视类型与严重程度的智能评估系统,包括眼动数据采集模块、眼动指标计算模块、眼动序列特征提取模块、基于机器学习模型评估模块;眼动数据采集模块,用于采集眼动数据;眼动指标计算模块,对采集到的眼动数据进行基于弱视疾病的眼动缺陷的眼动指标计算,并得到眼动序列;眼动序列特征提取模块,对眼动序列进行特征提取;基于机器学习模型评估模块,基于计算的眼动指标、提取的序列特征构建眼动特征数据集,用于训练机器学习模型,对弱视情况进行智能评估,其中包括正常和弱视的判断、弱视类型评估和弱视严重程度的分类。提供了更合理建议,提高了筛查效率,从而辅助医生快速准确进行弱视情况的评估。

Patent Agency Ranking