-
公开(公告)号：CN117519733B
公开(公告)日：2024-05-28
申请号：CN202311534998.9
申请日：2023-11-16
Applicant: 之江实验室
Abstract: 本说明书公开了一种项目部署方法、装置、存储介质及电子设备。所述项目部署方法包括：获取待部署项目程序，对待部署项目程序中包含的代码进行解析，确定待部署项目程序中包含的各基础依赖环境程序包，针对每个基础依赖环境程序包，根据预先构建的总体环境依赖图，确定出该基础依赖环境程序包所依赖的其他环境程序包，在总体环境依赖图中，不同项目程序下的不同的环境程序包对应不同的节点，针对每个节点，该节点与该节点对应的环境程序包所依赖的其他环境程序包对应的节点之间相连，根据每个基础依赖环境程序包以及每个基础依赖环境程序包所依赖的其他环境程序包，生成轻量化镜像，并将轻量化镜像部署到指定设备中。
-
-
公开(公告)号：CN117036906A
公开(公告)日：2023-11-10
申请号：CN202311019433.7
申请日：2023-08-14
Applicant: 之江实验室
IPC: G06V10/82 , G06V10/764 , G06V10/40 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/082 , G06N3/047 , G06N3/048 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/096
Abstract: 一种基于gan神经网络压缩的图像翻译方法和装置，其方法包括：(1)装置配置、初始化：从图像翻译程序中获取将要压缩的生成对抗网络(未压缩网络)，并将其作为教师网络，设置压缩率、参数规模的超参数；(2)构建最大学生网络模型并预训练；(3)学生网络模型剪枝；(4)学生网络模型蒸馏；(5)用学生网络模型执行图像翻译算法，获得翻译后的图像。本发明可以保证在图像翻译质量不下降的前提下，压缩图像翻译算法的参数量，进而减少图像翻译程序的硬件占用空间。
-
公开(公告)号：CN116992944A
公开(公告)日：2023-11-03
申请号：CN202311257199.1
申请日：2023-09-27
Applicant: 之江实验室
IPC: G06N3/082 , G06N3/0464 , G06N3/084 , G06V10/82
Abstract: 本发明公开了一种基于可学习重要性评判标准剪枝的图像处理方法及装置，属于人工智能模型压缩与推理加速领域，该方法包括：获取待剪枝的图像处理模型；在所述待剪枝的图像处理模型的前向传播中，加入重要性评判标准搜索空间，其中所述重要性评判标准搜索空间用于计算所述待剪枝的图像处理模型中每一层卷积层需要剪枝的部分；基于所述重要性评判标准搜索空间进行反向传播并更新所述重要性评判标准搜索空间的参数；对基于最终评判标准剪枝后的模型进行微调。
-
公开(公告)号：CN116991564A
公开(公告)日：2023-11-03
申请号：CN202311272689.9
申请日：2023-09-28
Applicant: 之江实验室
Inventor： 李超
IPC: G06F9/48 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种面向异构双核MCU的算子内并行加速方法，其包括：通过深度学习模型的计算图构建有向无环图G；统计所述有向无环图G中的算子信息；基于得到的算子信息，为每类算子构建相应的算子时延模型，以此预测算子在不同工作负载下的推理时间；基于步骤三得到的算子时延模型，为深度学习模型的每个算子选择一种最优的划分策略，即划分维度和划分比例；基于步骤四得到的算子划分策略，在编译器编译深度学习模型生成相应代码的过程中嵌入步骤四得到的划分策略，以此加速神经网络模型的推理。本发明通过充分利用硬件资源和优化计算任务分配，提高推理性能、降低能源消耗和延迟，并满足实时性和隐私性等要求。
-
Patent Agency Ranking
公开(公告)号：CN115712734B
公开(公告)日：2023-10-03
申请号：CN202211455034.0
申请日：2022-11-21
Applicant: 之江实验室
IPC: G06F16/36 , G06N5/022 , G06N3/096 , G06N3/0985
Abstract: 一种基于元学习的稀疏知识图谱嵌入方法，包括：步骤1、根据知识图谱中实体所含三元组数量划分头部实体集和尾部实体集；步骤2、将头部实体集进行拆分，以准备数据对MetaTransfer元学习迁移框架进行训练；步骤3、采用传统知识图谱表征模型根据现有三元组集合对各实体进行向量表征；步骤4、将步骤三得到的few‑shot向量表征输入MetaTransfer进行训练得到更高一级shot的表征向量，使其学习到few shot表征向量到many shot表征向量的映射过程；步骤5、结束训练，使用训练好的模型来对尾部实体集合Tk的各实体表征向量进行迁移。本发明能够从头部实体学习训练轨迹信息并应用于尾部实体的训练中。在稀疏知识图谱领域具有重要的作用。
-
公开(公告)号：CN115080766A
公开(公告)日：2022-09-20
申请号：CN202210980815.5
申请日：2022-08-16
Applicant: 之江实验室
IPC: G06F16/36 , G06F40/151 , G06F40/284 , G06F40/289 , G06V30/41 , G06V30/19
Abstract: 本发明公开了基于预训练模型的多模态知识图谱表征系统及方法，结合知识图谱实体的相关语义信息与对应图像信息辅助知识图谱进行实体向量表征。由于文本预训练模型经过大规模语料进行了充分的训练学习，具有一定的语义表征能力，同时基于图像的预训练模型也经过大规模数据集进行了初步训练，对于实体对应的图片也可以生成较好的表征向量，再通过几种不同的组合方式将语义表征向量和图形表征向量进行结合从而代替实体向量的初始化，将该实体向量输入知识图谱表征模型进行训练，同时对文本和图像预训练模型进行微调。增加了实体的信息量，同时也引入了大量用于预训练的数据集信息。使得知识图谱的表征得到更好的结果，同时提升了整体方法的鲁棒性。
-
公开(公告)号：CN114637923B
公开(公告)日：2022-09-02
申请号：CN202210541192.1
申请日：2022-05-19
Applicant: 之江实验室
IPC: G06F16/9535 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于层次注意力图神经网络的数据信息推荐方法和装置，该方法包括：步骤一，构建用户项目交互图和知识图谱；步骤二，合并用户项目交互图与知识图谱构成用户项目知识图；步骤三，将用户项目知识图输入到图神经网络中，采用层次注意力机制计算用户项目知识图的每个节点邻居的重要程度；步骤四，根据每个节点邻居的重要程度，对邻居进行聚合来更新节点表示；步骤五，设定输入图神经网络的用户项目知识图经过的网络层数，如果未到达设定的网络层，则执行步骤三，反之则根据节点的表示，计算图神经网络的损失函数值，经过迭代训练，得到训练好的图神经网络，为用户生成推荐的项目。本发明缓解了数据的稀疏性，提升了推荐的准确性。
-
公开(公告)号：CN114637923A
公开(公告)日：2022-06-17
申请号：CN202210541192.1
申请日：2022-05-19
Applicant: 之江实验室
IPC: G06F16/9535 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于层次注意力图神经网络的数据信息推荐方法和装置，该方法包括：步骤一，构建用户项目交互图和知识图谱；步骤二，合并用户项目交互图与知识图谱构成用户项目知识图；步骤三，将用户项目知识图输入到图神经网络中，采用层次注意力机制计算用户项目知识图的每个节点邻居的重要程度；步骤四，根据每个节点邻居的重要程度，对邻居进行聚合来更新节点表示；步骤五，设定输入图神经网络的用户项目知识图经过的网络层数，如果未到达设定的网络层，则执行步骤三，反之则根据节点的表示，计算图神经网络的损失函数值，经过迭代训练，得到训练好的图神经网络，为用户生成推荐的项目。本发明缓解了数据的稀疏性，提升了推荐的准确性。
-
公开(公告)号：CN112949865A
公开(公告)日：2021-06-11
申请号：CN202110292470.X
申请日：2021-03-18
Abstract: 本发明公开一种基于SIGMA协议的联邦学习贡献度评估方法，训练方向各个参与方发送模型和不可篡改的可信执行程序和非交互SIGMA协议及相关参数；参与方利用本地数据集对模型训练得到梯度，运行可信执行程序，提取参与方的梯度，对模型进行更新，并运行测试模块测试新模型的准确率，计算该梯度的贡献度；参与方根据加密算法对梯度编码并加密，发送至训练方；参与方产生一个随机值，使用加密算法对其加密，随后将当前生成的所有密文输入哈希函数沙箱，输出哈希值，并计算出一个承诺；参与方上传承诺、密文和贡献度至训练方，训练方计算出哈希值并验证承诺，若验证通过，则将该梯度密文与其贡献度绑定记录在数据库中。该方法能够实现不泄露隐私的梯度证明。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.03 seconds)
