计算资源的动态分配
    1.
    发明授权

    公开(公告)号:CN112148467B

    公开(公告)日:2025-03-04

    申请号:CN201910578411.1

    申请日:2019-06-28

    Abstract: 根据本公开的实现,提供了一种计算资源动态管理的方案。在该方案中,用于使用计算资源集中的目标数目的计算资源的第一请求被接收,其中计算资源集中的至少一个空闲计算资源被组织为至少一个空闲资源组。在确定第一资源组集合中不包括空闲匹配资源组且至少一个空闲资源组中包括空闲冗余资源组时,通过拆分空闲冗余资源组来为第一请求分配目标数目的计算资源,其中空闲冗余资源组中的资源数目大于目标数目。由此,可以实现计算资源的动态分配。

    针对向量化表示的查询
    2.
    发明公开

    公开(公告)号:CN119293087A

    公开(公告)日:2025-01-10

    申请号:CN202310840736.9

    申请日:2023-07-10

    Abstract: 根据本公开的实现,提供了针对向量化表示的查询方案。根据该方案,接收针对向量化表示集合的查询请求,其指示目标向量化表示。在对向量化表示集合的查询过程的当前查询步骤中,基于候选向量化表示与目标向量化表示之间的相应距离,确定第一参考距离。候选向量化表示是在查询过程的先前查询步骤中从向量化表示集合中确定的。至少基于当前查询步骤中的被查询向量化表示与目标向量化表示之间的距离,确定第二参考距离。至少基于第二参考距离大于第一参考距离,确定查询过程停止。如果查询过程停止,基于候选向量化表示确定针对目标向量化表示的查询结果。以此方式,可以在保证准确性的同时尽早终止查询,从而提高查询的效率。

    计算资源的动态分配
    3.
    发明公开

    公开(公告)号:CN112148467A

    公开(公告)日:2020-12-29

    申请号:CN201910578411.1

    申请日:2019-06-28

    Abstract: 根据本公开的实现,提供了一种计算资源动态管理的方案。在该方案中,用于使用计算资源集中的目标数目的计算资源的第一请求被接收,其中计算资源集中的至少一个空闲计算资源被组织为至少一个空闲资源组。在确定第一资源组集合中不包括空闲匹配资源组且至少一个空闲资源组中包括空闲冗余资源组时,通过拆分空闲冗余资源组来为第一请求分配目标数目的计算资源,其中空闲冗余资源组中的资源数目大于目标数目。由此,可以实现计算资源的动态分配。

    用于深度学习的可视化编程

    公开(公告)号:CN112148276A

    公开(公告)日:2020-12-29

    申请号:CN201910578856.X

    申请日:2019-06-28

    Abstract: 本公开的多个实现涉及用于深度学习的可视化编程。在一种计算机实现的方法中,呈现人工神经网络的可视化表示,所述可视化表示包括表示所述人工神经网络的层的图形元件;响应于接收到针对所述图形元件的拖放操作,修改所述人工神经网络的中间表示,所述中间表示独立于深度学习框架,所述拖放操作修改所述图形元件之间的连接关系;以及基于所述人工神经网络的中间表示,修改所述人工神经网络的针对目标深度学习框架的代码。

    用于深度学习的可视化编程
    7.
    发明公开

    公开(公告)号:CN119883236A

    公开(公告)日:2025-04-25

    申请号:CN202411973598.2

    申请日:2019-06-28

    Abstract: 本公开的多个实现涉及用于深度学习的可视化编程。在一种计算机实现的方法中,呈现人工神经网络的可视化表示,所述可视化表示包括表示所述人工神经网络的层的图形元件;响应于接收到针对所述图形元件的拖放操作,修改所述人工神经网络的中间表示,所述中间表示独立于深度学习框架,所述拖放操作修改所述图形元件之间的连接关系;以及基于所述人工神经网络的中间表示,修改所述人工神经网络的针对目标深度学习框架的代码。

    用于深度学习的可视化编程

    公开(公告)号:CN112148276B

    公开(公告)日:2025-01-14

    申请号:CN201910578856.X

    申请日:2019-06-28

    Abstract: 本公开的多个实现涉及用于深度学习的可视化编程。在一种计算机实现的方法中,呈现人工神经网络的可视化表示,所述可视化表示包括表示所述人工神经网络的层的图形元件;响应于接收到针对所述图形元件的拖放操作,修改所述人工神经网络的中间表示,所述中间表示独立于深度学习框架,所述拖放操作修改所述图形元件之间的连接关系;以及基于所述人工神经网络的中间表示,修改所述人工神经网络的针对目标深度学习框架的代码。

    图操作以及应用图操作的分布式系统的诊断

    公开(公告)号:CN102833297B

    公开(公告)日:2017-07-04

    申请号:CN201110170826.9

    申请日:2011-06-13

    Abstract: 本发明揭示了一种实现图操作的方法。该方法首先定义分布式系统的执行图,在执行图中,顶点表示分布式系统中的事件,连接顶点的边表示事件之间的关联。之后在执行图上定义了两个操作。一个是分片操作,以从执行图中的一个选定顶点开始查找所有依存于该顶点的顶点以及该顶点依存的顶点。另一个是聚合操作,该操作将执行图中存在依存关系的数个顶点以及连接这些顶点的边聚集成聚合体,由执行图生成比执行图高一层的结果图,结果图中的顶点表示聚合体,结果图中的边表示聚合体之间的关联,聚合操作能重复执行多次,每一次生成更高一层的结果图。最后,该方法整合了这两个图操作和关系数据库操作,用户能够利用它们的组合运行基于执行图的查询来进行分布式系统诊断。

Patent Agency Ranking