一种加速分布式机器学习的方法及系统

    公开(公告)号:CN111210020B

    公开(公告)日:2022-12-06

    申请号:CN201911155664.4

    申请日:2019-11-22

    Applicant: 清华大学

    Inventor: 李丹 王帅 耿金坤

    Abstract: 本发明实施例提供一种加速分布式机器学习的方法及系统,该方法包括:将机器学习模型输入到分布式机器学习系统中,对于所述分布式机器学习系统中的任意两个节点,在所述任意两个节点之间建立多条连接,并赋予这些连接不同的优先级;将所述机器学习模型的参数分配到多条连接上进行传输,使得紧急参数能够通过高优先级连接尽快完成传输,以对分布式机器学习训练进行加速。本发明实施例考虑前向计算过程中通信和计算的重叠,通过优先传输紧急参数,减少现有机器学习框架下参数传输顺序的随机性,重叠前向计算过程中的通信和计算,隐藏通信开销,并通过网络级别的流调度协调不同节点的通信,实现分布式的通信调度,从而加速训练过程。

    镜面加工装置
    43.
    发明公开

    公开(公告)号:CN113909696A

    公开(公告)日:2022-01-11

    申请号:CN202110976976.2

    申请日:2021-08-24

    Applicant: 清华大学

    Abstract: 本申请涉及一种镜面加工装置,包括:控制模块、激光发射模块以及固定模块,固定模块用于固定待加工样品。控制模块用于控制固定模块将待加工样品调整至固定模块的预设移动轨迹的预设位置上,当待加工样品位于预设位置时,控制模块向激光发射模块发送第一指令指示激光发射模块根据预设的激光发射功率以及激光发射时长向待加工样品发射激光,以通过激光的照射使得目标加工区域形成凹面,通过上述方法加工得到的镜面曲率半径小于预设曲率半径阈值。本申请的镜面加工装置加工的得到的镜面,曲率半径小,表面粗糙度低。运用在光学谐振腔中,制造光场,能够减小光在光学谐振腔中的散射率,提高光与原子的耦合强度,进一步提高输出的量子信息的保真度。

    柔性多状态开关最优运行点的确定方法及装置

    公开(公告)号:CN113794205A

    公开(公告)日:2021-12-14

    申请号:CN202111092379.X

    申请日:2021-09-17

    Abstract: 本申请公开了柔性多状态开关最优运行点的确定方法及装置,应用于包含柔性多状态开关FDS的配电网,该方法包括:根据预设的目标函数以及预设的约束条件建立所述配电网的多目标运行模型;通过基于帕累托最优理念的多目标优化算法求解所述配电网的多目标运行模型,得到帕累托最优解集;根据所述帕累托最优解集确定所述柔性多状态开关的最优运行点。该确定方法及装置,解决了传统配电网多目标运行优化模型存在的主观性大,对于不同性质的目标函数不易作比较,且当目标之间互斥时,无法保证最优的求解等问题。

    目标探测方法、装置、设备及存储介质

    公开(公告)号:CN112540412A

    公开(公告)日:2021-03-23

    申请号:CN202011296260.X

    申请日:2020-11-18

    Applicant: 清华大学

    Inventor: 王帅 董戈

    Abstract: 本申请提供了一种目标探测方法、装置、设备及存储介质,通过生成目标探测信号,利用目标探测信号进行周期性的目标探测,确定目标对象在时间域的第一深度信息和目标对象在频率域的第二深度信息,而后对第一深度信息和所述第二深度信息进行数据融合,得到目标对象的实际深度信息。该技术方案中,利用包括小波信号和调频连续波信号的目标探测信号,确定目标对象在时间域和频率域的深度信息,进而确定目标对象的实际深度信息,能够更加精确地探测到目标对象的深度,提高了探测结果的可靠性。

    适用于软件定义网络的数据包分类方法及装置

    公开(公告)号:CN111628935A

    公开(公告)日:2020-09-04

    申请号:CN202010458019.6

    申请日:2020-05-26

    Abstract: 本发明提供了一种适用于软件定义网络的数据包分类方法及装置,涉及通信的技术领域,应用于数据包分类器,包括:先获取待分类数据包;然后基于UAM中存储的所有偏移量,从待分类数据包中提取每个偏移量指向的目标规则;再在根据UAM遍历PCSU的过程中,将目标规则与PCSU中的规则进行匹配,得到匹配结果;最后基于匹配结果和分类条件比特位图CBM,确定目标分类条件,以通过目标分类条件对待分类数据包进行分类。本发明通过提取每个偏移量指向的目标规则,并将目标规则与PCSU中的规则进行匹配的方式,提高了SDN网络查表时间的稳定性,逻辑资源开销小,可以适应SDN网络灵活的数据包分类需求。

    一种加速分布式机器学习的方法及系统

    公开(公告)号:CN111210020A

    公开(公告)日:2020-05-29

    申请号:CN201911155664.4

    申请日:2019-11-22

    Applicant: 清华大学

    Inventor: 李丹 王帅 耿金坤

    Abstract: 本发明实施例提供一种加速分布式机器学习的方法及系统,该方法包括:将机器学习模型输入到分布式机器学习系统中,对于所述分布式机器学习系统中的任意两个节点,在所述任意两个节点之间建立多条连接,并赋予这些连接不同的优先级;将所述机器学习模型的参数分配到多条连接上进行传输,使得紧急参数能够通过高优先级连接尽快完成传输,以对分布式机器学习训练进行加速。本发明实施例考虑前向计算过程中通信和计算的重叠,通过优先传输紧急参数,减少现有机器学习框架下参数传输顺序的随机性,重叠前向计算过程中的通信和计算,隐藏通信开销,并通过网络级别的流调度协调不同节点的通信,实现分布式的通信调度,从而加速训练过程。

Patent Agency Ranking