张量处理单元上加速稀疏矩阵计算的方法及存储介质

    公开(公告)号:CN119441698A

    公开(公告)日:2025-02-14

    申请号:CN202411531342.6

    申请日:2024-10-30

    Abstract: 本申请公开了一种张量处理单元上加速稀疏矩阵计算的方法及存储介质,所述方法包括:获取第一矩阵,其中第一矩阵包括行索引值或列索引值,第一矩阵为基于输入序列得到的稀疏矩阵;基于行索引值或列索引值,对所述第一矩阵的行和列进行重新排序,得到第二矩阵,以使所述第二矩阵相对于第一矩阵的缓存命中率更高;从GPU的内存中读取第三矩阵,并对所述第二矩阵和第三矩阵进行运算,其中所述第三矩阵是指与所述第二矩阵进行运算的矩阵,所述第三矩阵基于所述输入序列得到。通过本技术,并在tensor core上执行矩阵运算,减少了冗余计算操作,提升了运行过程中的缓存命中率实现了对稀疏矩阵的高效计算与运算资源的优化利用,极大地提升了矩阵计算的整体性能。

    稀疏矩阵存储方法及向量乘方法

    公开(公告)号:CN118484135A

    公开(公告)日:2024-08-13

    申请号:CN202410377055.8

    申请日:2024-03-29

    Abstract: 本申请公开了一种稀疏矩阵存储方法及向量乘方法。该方法包括:根据预先确定的长度与宽度,从稀疏矩阵中获得多个矩阵块;根据每个矩阵块中非零元素的数量,从多个矩阵块中获得多个储存类;对多个储存类中具有三个以下非零元素的第i个储存类,根据非零元素于稀疏矩阵中的行坐标及列坐标,获得第i个非零元素数组;根据非零元素于稀疏矩阵中的列坐标、行坐标,获得第i个储存类的行索引数组、第一列索引数组;根据非零元素于第i个非零元素数组中的坐标,获得第i个储存类的量索引数组;根据以上索引数组及非零元素数组,储存第i个储存类;对于多个储存类中具有三个或三个以上非零元素的第t个储存类,采用压缩稀疏行CSR格式,储存第t个储存类。

    一种无损数据压缩框架
    53.
    发明公开

    公开(公告)号:CN117955501A

    公开(公告)日:2024-04-30

    申请号:CN202410127034.0

    申请日:2024-01-30

    Abstract: 本发明涉及无损数据压缩框架,所述无损数据压缩框架具体包括:输入模块,将待压缩字节流以输入长度为S输入;语义增强模块,对长度为S的字节流进行嵌入处理,得到矩阵Xe;将Xe分割为N个Patch,N个Patch的集合记为Xs;进行维度融合,将Xs各Patch的维度降为F,得到矩阵Xd;将Xd输入预测模型,或对Xd进行自适应步长处理后输入预测模型;预测模型,输出正向传播预测的概率,并进行反向传播,更新框架的参数;算术编码模块,依据预测的概率进行算术编码。本发明的框架,提高了字节概率预测的准确性,进而提高了多模式数据的压缩率。

    一种稀疏矩阵向量乘运算时间预测方法及系统

    公开(公告)号:CN111914213B

    公开(公告)日:2023-11-10

    申请号:CN202010759916.0

    申请日:2020-07-31

    Abstract: 本发明涉及一种稀疏矩阵向量乘运算时间预测方法及系统,其中,方法包括以下步骤:构建卷积神经网络,卷积神经网络包括输入层、特征处理层、数据拼接层以及输出层,其中,输入层用于输入稀疏矩阵中的行特征矩阵的特征、列特征矩阵的特征、体系结构参数扩展矩阵的特征;特征处理层用于提取上一层中的特征;数据拼接层,用于对提取的行特征矩阵的特征、列特征矩阵的特征、体系结构参数扩展矩阵的特征进行拼接;输出层用于输出预测结果;获取多组已知稀疏矩阵向量乘运算时间的稀疏矩阵作为样本数据,将样本数据输入至卷积神经网络以实现对卷积神经网络的训练;将待分类的稀疏矩阵输入至训练完成的卷积神经网络,实现稀疏矩阵向量乘运算时间的预测。

    一种稀疏矩阵的存储处理方法及装置

    公开(公告)号:CN112953549B

    公开(公告)日:2022-03-29

    申请号:CN202110181916.1

    申请日:2021-02-08

    Abstract: 本发明涉及一种稀疏矩阵的存储处理方法及装置,所述存储处理方法包括:将稀疏矩阵划分为N个子矩阵,并确定所述N个子矩阵各自对应的行编号和列编号;以及,从所述子矩阵中依次获取非零元素组成非零元素数组;获取所述N个子矩阵各自对应的比特序列;其中,对于所述N个子矩阵中任意的第i个子矩阵:第i个矩阵中的第j个元素为零元素时,其对应的第i个比特序列中的第j个比特位的值为0;第i个矩阵中的第j个元素为非零元素时,其对应的第i个比特序列中的第j个比特位的值为1;顺序存储所述N个子矩阵各自对应的所述行编号、所述列编号、所述比特序列以及所述非零元素数组。采用本申请实施例提供的方法,可以节省大量的存储空间。

    一种事件对目标业务影响的度量方法及装置

    公开(公告)号:CN113360757A

    公开(公告)日:2021-09-07

    申请号:CN202110626878.6

    申请日:2021-06-04

    Abstract: 本发明涉及一种事件对目标业务影响的度量方法及装置,所述方法包括:获取对事件的关注度,以及获取目标业务对应的业务指标;根据所述若干单位时间段内各时间段对事件的关注度,确定关注度峰值时间段和关注度陡增时间段,并根据所述关注度峰值时间段和所述关注度陡增时间段确定事件影响区间。根据目标业务在所述若干单位时间段内各时间段对应的业务指标确定指标峰值时间段,并根据所述指标峰值时间段和所述关注度陡增时间段,确定指标影响区间。根据所述指标影响区间对应的业务指标确定事件影响程度。利用计算机,通过对历史类似的事件的舆情声量走势以及目标业务的资源分配形态走势上的分析,可以快速对事件的影响作出评估和预判。

    一种基于知识图谱的前瞻因子筛选方法及其系统

    公开(公告)号:CN113312497A

    公开(公告)日:2021-08-27

    申请号:CN202110611057.5

    申请日:2021-06-01

    Abstract: 本发明涉及一种基于知识图谱的前瞻因子筛选方法及其系统,方法包括:通过第一企业信息获得企业产业链图谱,产业链图谱包括:企业原材料和主营产品;对当前产业链图谱中的节点进行扩展,扩展出原材料生成企业及其相关的原材料和主营产品;扩展主营产品需求企业及其相关的原材料和主营产品;将扩展的企业产业链图谱中原材料和主营产品节点提取,作为关键词,该关键词反映了企业产业链上下游原材料和主营产品关系;通过将关键词与指标进行模糊匹配,获得候选指标列表;通过第二企业信息和指标对应的指标值进行相关性计算,获得指标相关性,指标在列表中的位置反应了指标与第二企业信息的相关程度;通过将指标相关性进行去共线性计算,获得企业前瞻因子。

Patent Agency Ranking