-
公开(公告)号：CN118863024A
公开(公告)日：2024-10-29
申请号：CN202410900232.6
申请日：2024-07-05
Applicant: 太极计算机股份有限公司
Abstract: 本说明书实施例提供了一种人工智能可视化建模平台、方法及电子设备，其中，平台包括：数据标注模块，用于对训练数据进行UI标记；模型开发模块，用于基于开发工具和开发环境，通过可视化操作接口进行可视化建模、交互式建模、预训练模型方式建模，得到构建好的模型；模型训练模块，用于根据标记后的训练数据，基于预先设置的不同的训练模式，对构建好的模型进行多维度的模型训练，得到训练好的模型，其中，模型训练具体包括调度训练资源、模型训练操作、模型训练优化；模型管理模块，用于对训练好的模型进行存储和管理，将训练好的模型部署在各不相同的现实环境中部署。
-
公开(公告)号：CN116594755B
公开(公告)日：2023-09-22
申请号：CN202310854333.X
申请日：2023-07-13
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供了一种多平台机器学习任务的在线调度方法及系统，属于在线调度技术领域，其方法包括：实时获取在线平台数量以及每个在线平台所对应的任务数量和任务类型，且结合同类型任务所需的任务执行时间，获取同个在线平台任务的执行流程；分析并获取多个在线平台任务的执行流程之间的流程冲突集；获取机器学习模型及机器学习模型可同时执行的任务数量及任务类型；基于获取结果对所述流程冲突集进行解析，构建得到调度关系网，实现在线调度。通过实时获取所需调度的任务具体情况及流程冲突集，并基于机器学习模型对冲突集进行解析构建调度关系网，能够实时获取任务执行情况，避免任务执行过程中的冲突发生，实现多平台学习任务的在线调度。
-
Patent Agency Ranking
公开(公告)号：CN116594755A
公开(公告)日：2023-08-15
申请号：CN202310854333.X
申请日：2023-07-13
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供了一种多平台机器学习任务的在线调度方法及系统，属于在线调度技术领域，其方法包括：实时获取在线平台数量以及每个在线平台所对应的任务数量和任务类型，且结合同类型任务所需的任务执行时间，获取同个在线平台任务的执行流程；分析并获取多个在线平台任务的执行流程之间的流程冲突集；获取机器学习模型及机器学习模型可同时执行的任务数量及任务类型；基于获取结果对所述流程冲突集进行解析，构建得到调度关系网，实现在线调度。通过实时获取所需调度的任务具体情况及流程冲突集，并基于机器学习模型对冲突集进行解析构建调度关系网，能够实时获取任务执行情况，避免任务执行过程中的冲突发生，实现多平台学习任务的在线调度。
-
公开(公告)号：CN116578406B
公开(公告)日：2023-10-10
申请号：CN202310854346.7
申请日：2023-07-13
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供了一种面向分布式机器学习系统的任务平台连续运行调度方法，属于分布式机器学习技术领域，其中方法包括基于任务平台解析高优先级任务，且结合机器学习系统中所有节点占用任务结束时间以及当前资源占用情况进行分析，确定最快满足高优先级需求的第一节点，并向所述第一节点发送调度指令，将所述高优先级任务加入至对应第一节点的第一等待队列；基于任务平台解析低优先级任务，并确定剩余未被占用的节点和节点未被占用的资源是否满足所述低优先级任务的需求，若否，则将所述低优先级任务加入至所述机器学习系统的第二等待队列，有效保证了所述机器学习系统中节点的资源利用率。
-
公开(公告)号：CN114066110A
公开(公告)日：2022-02-18
申请号：CN202010749087.8
申请日：2020-07-29
Applicant: 太极计算机股份有限公司
Abstract: 本发明公开了一种面向用户提供机器学习服务的系统，包括用户交互模块、工作流管理模块、数据导入模块、数据处理模块、算法模型配置模块、模型训练模块、模型预测模块、模型评估模块等；本发明提供了从元数据到模型建立的整套流程，为开发人、业务分析师、算法工程师们、数据科学家提供一系列的工具套件，便于进行代码打包、构建可重复运行的模型，利用流水线在各种云和服务平台上部署和管理生产中的模型，实现从服务部署到预测、评估的一站式服务；通过基本组件，可以搭建各个垂直场景下的解决方案，节省机器学习大量切换环境的损耗，降低工程实践的门槛，简化了使用机器学习的过程，便于开发人员、业务分析师和数据科学家进行广泛、便捷地应用。
-
公开(公告)号：CN118865019A
公开(公告)日：2024-10-29
申请号：CN202410900234.5
申请日：2024-07-05
Applicant: 太极计算机股份有限公司
IPC: G06V10/774 , G06V10/25 , G06V20/40 , G06T7/254
Abstract: 本说明书实施例提供了一种基于人工智能数据标注平台的目标跟踪标注方法及装置，其中，方法包括：获取未标注的视频数据，根据输入的数据集名称、数据类型、标注类型和标签组创建数据集，将所述未标注的视频数据导入到创建的所述数据集中，其中，所述标签组包括：用户自主创建的自定义标签组和系统内置的预置标签组；根据用户对标注类型和标签组的选择操作对所述数据集中的视频数据进行手动标注，或者，基于所述预置标签组，结合已构建模型进行自动化标注，快速完成图片的标注操作，对标注后的数据集进行发布。
-
公开(公告)号：CN116578406A
公开(公告)日：2023-08-11
申请号：CN202310854346.7
申请日：2023-07-13
Applicant: 太极计算机股份有限公司
Abstract: 本发明提供了一种面向分布式机器学习系统的任务平台连续运行调度方法，属于分布式机器学习技术领域，其中方法包括基于任务平台解析高优先级任务，且结合机器学习系统中所有节点占用任务结束时间以及当前资源占用情况进行分析，确定最快满足高优先级需求的第一节点，并向所述第一节点发送调度指令，将所述高优先级任务加入至对应第一节点的第一等待队列；基于任务平台解析低优先级任务，并确定剩余未被占用的节点和节点未被占用的资源是否满足所述低优先级任务的需求，若否，则将所述低优先级任务加入至所述机器学习系统的第二等待队列，有效保证了所述机器学习系统中节点的资源利用率。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
