“上海处理器技术创新中心”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果9个，建议您升级VIP下载更多相关专利

[发明专利]一种基于黑盒分析的硬件资源建模方法-CN202310916207.2在审
发明人：朱宗卫;刘伟鸿;王超;周学海 -专利权人：中国科学技术大学苏州高等研究院;上海处理器技术创新中心
申请日： 2023-07-25 - 公布日： 2023-10-24 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于黑盒分析的硬件资源建模方法。该方法包括：基于一般性能表征和特殊性能表征对硬件资源进行建模；其中，所述一般性能表征由根据神经网络特征拟合模型推理延迟的参数向量构成；所述特殊性能表征由根据多设备间相关系数低于设定阈值的神经网络推理延迟向量构成。本发明针对存在多维异构的智能推理设备，构建了一种基于黑盒分析的硬件资源建模方法，实现了对异构设备的统一建模分析，能够有效区分异构设备的DNN推理性能差异。
一种基于黑盒分析硬件资源建模方法

[发明专利]一种嵌入式智能加速器的多模态图像数据识别方法及系统-CN202310257406.7在审
发明人：张韩宾;赵二虎 -专利权人： 上海处理器技术创新中心
申请日： 2023-03-16 - 公布日： 2023-10-03 - 主分类号： G06V10/774 文献下载
摘要：本发明提出一种嵌入式智能加速器的多模态图像数据识别方法和系统，包括：获取由光学图像和遥感图像构成的图像对，每个图像对中的光学图像已标注训练标签；通过卷积神经网络模型分别提取图像对中光学图像和遥感图像的特征，得到光学图像的光学特征和遥感图像的遥感特征；将光学特征与遥感特征卷积后，得到互相关特征，将互相关特征输入至图像语义分割模型，在互相关特征的向量维度上，检测光学图像内包含遥感图像的检测区域；根据检测区域与光学图像已标注的训练标签，构建损失函数训练图像语义分割模型和卷积神经网络模型；以执行图像数据识别任务。
一种嵌入式智能加速器多模态图像数据识别方法系统

[发明专利]基于深度学习处理器来加速软件RAID方法及系统-CN202310730844.0在审
发明人：王涛 -专利权人： 上海处理器技术创新中心
申请日： 2023-06-19 - 公布日： 2023-09-29 - 主分类号： G06F11/10 文献下载
摘要：本发明提出一种基于深度学习处理器来加速软件RAID方法和系统，包括：通过异构编程的方式，构建能被调用运行在专用计算芯片上的加速库函数和运行在CPU上的磁盘冗余阵列管理程序，用以在数据的存储过程中将生成冗余保护数据的计算过程交由该专用加速芯片进行；当磁盘冗余阵列中数据损坏时，获取损坏数据块的冗余保护数据，并通过该加速库函数，调用该专用加速芯片对该冗余保护数据执行异或XOR运算，以恢复该损坏数据块；当目标数据存入磁盘冗余阵列时，通过该加速库函数，调用该专用加速芯片对该目标数据进行异或XOR运算，得到该目标数据的冗余保护数据。本发明采用计算芯片完成异或运算，从而提供更快速的RAID服务。
基于深度学习处理器加速软件 raid 方法系统

[发明专利]利用生成网络对低光照图像增强的方法、生成网络的训练方法及设备-CN202310396091.4在审
发明人：郭皓明;李想;李威;郭崎;张知行 -专利权人： 上海处理器技术创新中心
申请日： 2023-04-13 - 公布日： 2023-09-05 - 主分类号： G06T5/50 文献下载
摘要：本发明提供了一种利用生成网络对低光照图像增强的方法、生成网络的训练方法及设备，包括，将低光照图像输入生成网络；生成网络增强低光照图像，得到生成图像；生成网络输出生成图像；生成网络采用残差结构，主分支生成低光照图像与生成图像之间的残差，捷径分支将低光照图像传输至主分支的输出端与残差相加，得到生成图像；其中，生成网络的主分支为级联设置的至少两个残差学习单元，各残差学习单元逐步递进生成残差。在本发明中，通过设置残差结构，减少了单个生成器的学习任务，降低了学习、生成难度，使其更容易达到训练目的。通过设置级联结构，进一步减轻了生成器的学习、生成难度，使其更容易达到训练目的。
利用生成网络光照图像增强方法训练设备

[发明专利]用于无人机系统的控制终端-CN202310913488.6在审
发明人：刘叶;李想;李威;郭崎 -专利权人： 上海处理器技术创新中心
申请日： 2023-07-24 - 公布日： 2023-09-05 - 主分类号： G05B19/042 文献下载
摘要：本发明的实施方式提供了一种用于无人机系统的控制终端，其通过无线网络通信设备与控制外设以及外部执行设备连接，控制终端包括：通信模块，其用于与控制外设、外部执行设备进行通信，其中，外部执行设备包括基础外设和定制外设；基础处理模块，其与通信模块相连，以用于接收和处理来自基础外设的信息，并向基础外设发送控制指令；扩展模块，其一端与通信模块相连，另一端与基础处理模块相连，以用于接收和处理来自定制外设的信息，并向定制外设发送控制指令。通过增加扩展模块，实现基础处理模块和扩展模块的模块化分离，可实现在不同的控制终端之间共享已开发的基础处理模块，只需针对特定需求定制对应的扩展模块，进行扩展模块的更换即可。
用于无人机系统控制终端

[发明专利]用于多智能体强化学习的方法、系统、设备和存储介质-CN202310402439.6在审
发明人：郭家明;彭少辉;易琪;胡杏;郭崎;李威 -专利权人： 上海处理器技术创新中心
申请日： 2023-04-13 - 公布日： 2023-07-25 - 主分类号： G06N3/092 文献下载
摘要：本申请公开了一种用于多智能体强化学习的方法、系统、设备和存储介质。所述方法包括：获取各智能体与环境交互的历史交互数据、未来状态信息和奖励值；根据所述历史交互数据计算反映所述各智能体与环境交互过程的信念状态向量；响应于满足预定约束条件，基于所述信念状态向量、所述未来状态信息和所述奖励值计算后见向量，以确定与多智能体强化学习相关的后见价值函数；以及将所述后见价值函数作为多智能体强化学习中的新基线，以实现多智能体强化学习。利用本申请的方案，可以降低梯度估计的方差，提高采样效率和性能。
用于智能强化学习方法系统设备存储介质

[发明专利]用于训练深度神经网络模型的方法及相关产品-CN202310402508.3在审
发明人：刘畅;杜子东;胡杏;郭崎;李威 -专利权人： 上海处理器技术创新中心
申请日： 2023-04-13 - 公布日： 2023-07-21 - 主分类号： G06N3/0464 文献下载
摘要：本发明涉及一种用于训练深度神经网络模型的方法及相关产品，其中该方法包括：获取深度神经网络模型的线性层在前向传播期间和反向传播期间所涉及的全精度训练参数；对全精度训练参数进行自适应逐层缩放量化处理，以得到量化后的训练参数；以及在对深度神经网络模型的训练过程中，将每一线性层中针对全精度训练参数的全精度乘法累加处理操作，替换为对量化后的训练参数的加法处理操作和符号翻转处理操作，以实现对深度神经网络模型的低能耗训练。通过本发明的方案，有效降低深度神经网络训练过程中的能耗，同时确保精度损失较小。
用于训练深度神经网络模型方法相关产品

[发明专利]一种基于节点任务重排序的图神经网络执行方法及系统-CN202211551438.X在审
发明人：孙弓箭;李涵;严明玉;黄俊英;叶笑春;范东睿;唐志敏 -专利权人： 上海处理器技术创新中心
申请日： 2022-12-05 - 公布日： 2023-04-11 - 主分类号： G06N3/04 文献下载
摘要：本发明提出一种基于节点任务重排序的图神经网络执行方法和系统，包括：对图数据中目的节点进行分块，对图数据中源节点进行分窗口；分块中目的节点进行邻居特征的聚合；当前分块中目的节点均与当前窗口中的源节点完成聚合后，判断当前分块中是否有目的节点已完成全部邻居节点的聚合，若有，则从当前分块中删除，并根据删除的目的节点个数，将已准备好节点特征向量与边表的目的节点作为新节点加入当前分块；否则，维持当前分块中的目的节点不变；直到所有窗口均完成一次遍历，重新取首个源节点窗口作为当前窗口；当前分块中未从首个窗口中聚合邻居特征的目的节点，将与其它新加入当前分块中的目的节点一同，从首个窗口开始执行聚合操作。
一种基于节点任务排序神经网络执行方法系统

[发明专利]一种基于跨迭代数据预取的图计算加速方法及系统-CN202211550910.8在审
发明人：孙弓箭;李涵;严明玉;黄俊英;叶笑春;范东睿;唐志敏 -专利权人： 上海处理器技术创新中心
申请日： 2022-12-05 - 公布日： 2023-03-14 - 主分类号： G06T1/20 文献下载
摘要：本发明提出一种基于跨迭代数据预取的图计算加速方法和系统，包括：获取使用节点和边进行描述的图数据及其对应的图计算任务，通过由用于边遍历的Scatter步骤和用于节点属性更新和激活的Apply步骤依次迭代处理该图数据，得到该图计算任务的执行结果；该Apply步骤，对该图数据节点进行更新与激活，其中选出出度或入度小于阈值的激活节点作为跨迭代预取节点，通过预见性预取器预取该跨迭代预取节点的边信息和节点属性，并保存在边表缓存中；该Scatter步骤，该边表缓存中直接获取属于上一迭代跨迭代预取节点的激活节点信息，其余激活节点信息通过访问外存获取，以对激活节点进行边遍历。通过为节点提前进行信息预取，从而缓解高延迟不规则访存的压力。
一种基于跨迭代数据计算加速方法系统

1
共 9 条