用于可重构处理系统的任务分配方法和系统

    公开(公告)号:CN108363615B

    公开(公告)日:2019-05-14

    申请号:CN201710846262.3

    申请日:2017-09-18

    Abstract: 本公开提供了一种用于可重构处理系统的任务分配方法,所述方法包括:确定可重构处理系统的硬件处理资源的使用状况,其中,所述硬件处理资源包括m个任务通道以及可重构计算阵列,一个任务通道一次能够控制所述可重构计算阵列中的至少一个算子处理一个任务,m为正整数;根据所述硬件处理资源的使用状况,分配n个待处理任务中的第一任务,使得所述m个任务通道中的至少一个任务通道控制所述可重构计算阵列同时处理包括所述第一任务的至少一个任务,n为正整数。本公开还提供了一种用于可重构处理系统的任务分配系统。

    信息处理方法和装置
    3.
    发明授权

    公开(公告)号:CN107562686B

    公开(公告)日:2019-12-10

    申请号:CN201710717525.0

    申请日:2017-08-18

    Abstract: 本公开实施例提供了信息处理方法和装置。该方法包括:生成第一命令帧,第一命令帧包括任务信息,任务信息用于指示可重构处理系统执行第一任务;将第一命令帧写入PCIe命令空间中,PCIe命令空间由第一处理器系统和可重构处理系统共享;从PCIe命令空间中获得来自可重构处理系统的第一应答帧,其中,第一应答帧包括返回信息,返回信息用于指示可重构处理系统针对第一任务得到的结果。利用本公开实施例,能够实现第一处理器系统与可重构处理系统之间的简单高效交互。

    处理器调试方法和系统

    公开(公告)号:CN108628693B

    公开(公告)日:2019-10-25

    申请号:CN201810347283.5

    申请日:2018-04-17

    Abstract: 本发明提供了一种处理器调试方法,所述处理器包括可重构计算阵列,所述可重构计算阵列包括多个处理单元以及与所述多个处理单元对应的多个寄存器。所述方法包括,接收调试指令,通过令牌控制至少一个处理单元在使能状态与非使能状态下切换,以控制所述可重构计算阵列执行所述调试指令,产生调试数据并存储于与所述至少一个处理单元对应的寄存器中,以及导出所述至少一个处理单元对应的寄存器中的调试数据。本发明还提供了一种处理器调试系统以及一种计算机可读存储介质。本发明实施例能够提高可重构处理器的调试效率。

    一种时序数据非线性因果关系的发现方法及装置

    公开(公告)号:CN120069094A

    公开(公告)日:2025-05-30

    申请号:CN202510534445.6

    申请日:2025-04-27

    Applicant: 清华大学

    Abstract: 本发明公开了一种时序数据非线性因果关系的发现方法及装置,本发明的方法分为即时因果关系发现和滞后因果关系发现两个阶段。即时因果关系发现阶段,使用核独立成分分析算法确定因果关系的有无和方向;滞后因果关系发现阶段,训练一个变分自编码器学习变量的潜在表征,并通过在隐变量空间进行干预来判断变量间的因果关系。与传统的线性因果发现方法相比,本发明具有更少的约束,便于建模非线性因果关系,显著提高了时序因果关系发现的准确性和实用性。

    一种可重构处理单元阵列

    公开(公告)号:CN112579516B

    公开(公告)日:2024-07-05

    申请号:CN202011550066.X

    申请日:2020-12-24

    Abstract: 本发明涉及集成电路技术领域,具体公开了一种可重构处理单元阵列,其特征在于,包括:数据抽取端口,与反馈运算阵列连接;反馈运算阵列,包括第一拼接移位单元、第二拼接移位单元、寄存器、算术运算单元和可重构S盒;第一拼接移位单元与数据抽取端口连接;算术运算单元用于根据第一拼接移位单元的输出数据以及寄存器的输出数据按照配置信息选择路由网络进行算术运算,并输出密钥流;其中寄存器的输入端与可重构S盒的输出端连接,可重构S盒的输入端与第二拼接移位单元的输出端连接,第二拼接移位单元的输入端与算数运算单元的输出端连接。本发明提供的可重构处理单元阵列能够保证数据交互速率的前提下实现互连的灵活性,降低功耗。

    一种高效灵活的协作学习框架及方法

    公开(公告)号:CN117539449B

    公开(公告)日:2024-03-29

    申请号:CN202410028493.3

    申请日:2024-01-09

    Abstract: 本发明公开了一种高效灵活的协作学习框架及方法,该框架包括,协作学习训练环境初始化模块,用于提供协作学习的多种开发方式和训练配置;任务个性化定制模块,用于用户选择性的对模型训练任务进行自定义设置;智能打包传输模块,用于智能选择和打包模型训练任务对应的代码,并通过可执行文件的形式传输至客户端;任务扩展模块,用于根据需求添加辅助功能,以满足不同应用场景的需求。本发明提高了用户体验和开发效率,并使得用户无需了解底层算法逻辑,就可实现对其他功能模块的扩展,可扩展性强、适用场景广泛。

    一种面向多方协同优化的数据隐私增强方法及装置

    公开(公告)号:CN117371046B

    公开(公告)日:2024-03-01

    申请号:CN202311667952.4

    申请日:2023-12-07

    Applicant: 清华大学

    Abstract: 本发明公开了面向多方协同优化的数据隐私增强方法及装置,该方法应用于边缘节点包括,获取边缘节点的本地数据集,并对本地数据集进行特征分解,得到本地数据集对应的特征向量矩阵和特征值对角矩阵;根据特征值对角矩阵和待定噪声参数,确定信息量上界表达函数,其中待定噪声参数为本地数据集对应噪声的特征值;获取信息量上界值,并利用信息量上界值求解信息量上界表达函数,得到待定噪声参数的确定值;根据待定噪声参数的确定值和特征向量矩阵,确定本地数据集需要添加的噪声变量,并使用本地数据集和噪声变量进行协同优化的本地更新。本发明实现了对信息泄露的理论限制,为多方协同优化中的数据隐私安全提供了保障。

    一种基于神经网络模型剪枝的个性化协作学习方法和装置

    公开(公告)号:CN114418085A

    公开(公告)日:2022-04-29

    申请号:CN202111453868.3

    申请日:2021-12-01

    Applicant: 清华大学

    Abstract: 本发明公开了一种基于神经网络模型剪枝的个性化协作学习方法和装置,其中,该方法包括:利用中心服务器初始化全局模型,并将全局模型下发至各边缘设备;各边缘设备接收到全局模型后,分别对全局模型进行训练以得到本地模型,基于本地模型对模型参数的重要性进行评估,并生成参数掩码矩阵;各边缘设备通过参数掩码矩阵,对参与协作训练的模型进行剪枝,将剪枝后的模型作为学生网络对本地模型进行知识蒸馏,并将剪枝后的模型上传至中心服务器,以对未被剪去的参数进行聚合。本发明能够保持模型对本地数据的适应能力,同时能够增强模型的泛化能力,在参数聚合时能避免数据分布差异过大的模型相互干扰。

    用于可重构处理系统的存储器和可重构处理系统

    公开(公告)号:CN108717402A

    公开(公告)日:2018-10-30

    申请号:CN201810470748.6

    申请日:2018-05-16

    Applicant: 清华大学

    Abstract: 本发明提供了一种用于可重构处理系统的存储器,可重构处理系统包括多个行计算单元组,多个行计算单元组中的每个行计算单元组包括多个行计算单元。存储器包括:多个第一存储单元,其中多个第一存储单元中的每个第一存储单元与多个行计算单元组中的每个行计算单元组一一对应连接;第二存储单元,与多个行计算单元组中的每个行计算单元组中的每个行计算单元连接;其中,第一存储单元用于存储对应的行计算单元组内的各个行计算单元之间交互的数据,第二存储单元用于存储不同行计算单元组间的各个行计算单元之间交互的数据。根据本发明实施例的方法,可以满足可重构处理系统多端口同时读写的需求,提高数据交互效率。

Patent Agency Ranking