-
Patent Agency Ranking
公开(公告)号：CN114356550B
公开(公告)日：2024-09-24
申请号：CN202111503888.7
申请日：2021-12-10
Applicant: 武汉大学
Abstract: 本发明公开了一种面向三级并行中间件的计算资源自动分配方法及系统，以分布式技术、中间件和计算机组成结构为指导理论，针对在集群环境下进行大规模计算的任务，本发明提出了一种面向三级并行中间件的计算资源自动分配模型。该模型可将在集群下进行的计算任务进行分析，首先通过消息中间件以队列的形式将任务分配给每个计算单元，然后再计算单元内将任务再次分配给CPU和GPU。本发明除了可以应用在集群上，当任务规模不大时，也可作用于单台电脑。把单机上的计算任务合理分配给CPU和GPU，使二者能够同时进行运算，提高计算速率。利用本发明可以在集群模式下计算任务大的背景下，将计算速度进一步提高。
-
公开(公告)号：CN118426744A
公开(公告)日：2024-08-02
申请号：CN202410059937.X
申请日：2024-01-15
Applicant: 武汉大学
Abstract: 本发明公开了一种基于Rose中间件的代码多粒度并行转换和翻译方法及系统，首先采用Rose编译器作为基础对串行源代码进行分析，生成对应的AST抽象语法树中间表示形式，对AST进行遍历提取循环部分；然后判断是否存在可并行的循环结构；确定是否要进行下一步的循环并行优化，不需要进行循环并行优化的代码保留原有的串行结构；根据识别出的循环类型，进行相对应的循环并行优化；接着将串行代码映射到CPU，并行优化的代码映射到对应GPU多线程；最后Rose编译器反解析替换后的AST中间形式，得到对应的CPU+GPU多粒度并行代码。本发明一方面通过CPU+GPU异构计算极大的加速代码执行速度，另一方面通过端到端的自动转化极大减少相关工作者将原有代码转换为并行代码所需的时间。
-
公开(公告)号：CN115509743A
公开(公告)日：2022-12-23
申请号：CN202211126572.5
申请日：2022-09-16
Applicant: 武汉大学
IPC: G06F9/50
Abstract: 本发明公开了一种面向大规模差分算子的资源并行调度与优化方法及系统，本发明以分布式计算、计算机系统与结构和分片技术为指导思想，使用分布式框架将任务执行单元与主机相连，组成集群，并在集群的环境下使用中间件，具有自动并行化翻译和资源调度的功能。针对大规模算子，分析算子结构，寻找共性，将其不同之处提取出来作为参数传递，并翻译出其并行化代码。本发明不仅可以实现算子在集群上的高效计算，而且可以对其他串行程序转换为并行程序的课题起到帮助作用。灵活变动后，除了可以使待处理的任务在集群上运行，若任务量较小，也可以在单独的主机上实现CPU\GPU的在协同计算。
-
公开(公告)号：CN114356550A
公开(公告)日：2022-04-15
申请号：CN202111503888.7
申请日：2021-12-10
Applicant: 武汉大学
Abstract: 本发明公开了一种面向三级并行中间件的计算资源自动分配方法及系统，以分布式技术、中间件和计算机组成结构为指导理论，针对在集群环境下进行大规模计算的任务，本发明提出了一种面向三级并行中间件的计算资源自动分配模型。该模型可将在集群下进行的计算任务进行分析，首先通过消息中间件以队列的形式将任务分配给每个计算单元，然后再计算单元内将任务再次分配给CPU和GPU。本发明除了可以应用在集群上，当任务规模不大时，也可作用于单台电脑。把单机上的计算任务合理分配给CPU和GPU，使二者能够同时进行运算，提高计算速率。利用本发明可以在集群模式下计算任务大的背景下，将计算速度进一步提高。
-
公开(公告)号：CN116503196A
公开(公告)日：2023-07-28
申请号：CN202310283365.9
申请日：2023-03-20
Applicant: 武汉大学
IPC: G06Q50/00 , G06F18/213 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于时序图神经网络的社会团体发现方法及设备。所述方法包括：步骤1至步骤7。本发明不仅关注了节点表示，在节点表示时引入了团体特征的聚合表示，实现了节点的表示增强；并且在时序性引入了节点表示变化的训练，使图的表示可以获得节点的变化规律，使最终时间的图的表示聚合了之前全部时间的信息。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
