-
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
Applicant: 北京达佳互联信息技术有限公司
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。
-
公开(公告)号：CN110955390B
公开(公告)日：2023-08-08
申请号：CN201911159697.6
申请日：2019-11-22
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F3/06
Abstract: 本公开关于一种数据处理方法、装置和电子设备，上述方法包括：若检测到数据缓存区存储有服务器主机写入的数据块，则对数据块进行第一异构加速处理；服务器主机用于接收客户端单次发送的待处理数据，将待处理数据分成至少两个数据块，分别将各个数据块写入到数据缓存区；统计数据缓存区中已完成第一异构加速处理的数据块的数量；若数据缓存区中已完成第一异构加速处理的数据块的数量达到待处理数据所分成的数据块的数量，则对各个数据块对应的处理结果进行第二异构加速处理，得到待处理数据的目标处理结果。采用该方法可以解决相关技术中服务器的数据处理效率较低的问题，从而提高了服务器的数据处理效率。
-
公开(公告)号：CN111582446B
公开(公告)日：2022-12-06
申请号：CN202010349768.5
申请日：2020-04-28
Applicant: 北京达佳互联信息技术有限公司
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。
-
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
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/2455 , G06F16/9535
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。
-
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
Applicant: 北京达佳互联信息技术有限公司
IPC: G06N3/04
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
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
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F16/2455 , G06F16/9535
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。
-
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
Applicant: 北京达佳互联信息技术有限公司
IPC: G06N3/04
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。
-
公开(公告)号：CN110955461B
公开(公告)日：2024-01-12
申请号：CN201911159702.3
申请日：2019-11-22
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F9/445
Abstract: 本公开一种计算任务的处理方法、装置、系统、服务器和存储介质所述服务器中设置有多个输入缓存区，所述方法包括：基于客户端发送的数据处理请求，生成多个计算任务；确定各所述计算任务的输入缓存区，并将计算任务对应的任务数据分别输入所述输入缓存区中；在各所述输入缓存区中存在符合启动条件的输入缓存区的情况下，则启动执行符合启动条件的输入缓存区对应的计算任务；将执行完成的计算任务的计算结果返回至对应的客户端。本公开可以减少数据传输带来的消耗，稳定服务端吞吐容量只与从设备的硬件计算性能有关，提高了从设备硬件利用率。
-
公开(公告)号：CN110955461A
公开(公告)日：2020-04-03
申请号：CN201911159702.3
申请日：2019-11-22
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F9/445
Abstract: 本公开一种计算任务的处理方法、装置、系统、服务器和存储介质所述服务器中设置有多个输入缓存区，所述方法包括：基于客户端发送的数据处理请求，生成多个计算任务；确定各所述计算任务的输入缓存区，并将计算任务对应的任务数据分别输入所述输入缓存区中；在各所述输入缓存区中存在符合启动条件的输入缓存区的情况下，则启动执行符合启动条件的输入缓存区对应的计算任务；将执行完成的计算任务的计算结果返回至对应的客户端。本公开可以减少数据传输带来的消耗，稳定服务端吞吐容量只与从设备的硬件计算性能有关，提高了从设备硬件利用率。
-
公开(公告)号：CN110955390A
公开(公告)日：2020-04-03
申请号：CN201911159697.6
申请日：2019-11-22
Applicant: 北京达佳互联信息技术有限公司
IPC: G06F3/06
Abstract: 本公开关于一种数据处理方法、装置和电子设备，上述方法包括：若检测到数据缓存区存储有服务器主机写入的数据块，则对数据块进行第一异构加速处理；服务器主机用于接收客户端单次发送的待处理数据，将待处理数据分成至少两个数据块，分别将各个数据块写入到数据缓存区；统计数据缓存区中已完成第一异构加速处理的数据块的数量；若数据缓存区中已完成第一异构加速处理的数据块的数量达到待处理数据所分成的数据块的数量，则对各个数据块对应的处理结果进行第二异构加速处理，得到待处理数据的目标处理结果。采用该方法可以解决相关技术中服务器的数据处理效率较低的问题，从而提高了服务器的数据处理效率。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.037 seconds)
