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。

    深度学习模型的资源使用情况预测

    公开(公告)号:CN113095474A

    公开(公告)日:2021-07-09

    申请号:CN202010025197.X

    申请日:2020-01-09

    Abstract: 根据本公开的实现,提出了一种用于预测深度学习模型的资源使用情况的方案。在该方案中,与深度学习模型有关的信息被获取。该信息包括用于描述深度学习模型的第一信息、以及与深度学习模型所关联的任务的运行环境有关的第二信息。该任务的静态资源使用情况基于第一信息被确定。该任务在运行环境中运行时的策略基于第一信息和第二信息被确定。然后,基于该策略和静态资源使用情况来预测该任务在运行环境中运行时的资源使用情况。该方案能够准确地预测深度学习模型在特定运行时策略下的各种资源的使用情况,诸如算力消耗、存储器消耗和执行时间等。此外,该方案具有可扩展架构,便于支持各种不同类型的深度学习框架。

    用于深度学习的可视化编程
    3.
    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