“黄敦博”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30个，建议您升级VIP下载更多相关专利

[发明专利]神经网络模型中归一化算子的量化方法、装置、电子设备-CN202310955099.X在审
发明人：许礼武;余宗桥;黄敦博;周生伟 -专利权人：安谋科技（中国）有限公司
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供了一种神经网络模型中归一化算子的量化方法、装置、电子设备及计算机可读存储介质，涉及神经网络领域。该方法包括：根据浮点输出数据、量化位宽、浮点缩放参数以及第一移位数，获得第一量化系数；根据定点输入数据、第二移位数和量化位宽，获得定点归一化结果；根据定点缩放参数、定点平移参数、定点归一化结果，获得初始定点输出数据；根据第一量化系数对初始定点输出数据进行量化，将量化结果以第一移位数进行移位，获得定点输出数据。本申请实施例无需全部求出均值和方差，规避了传统计算均值和方差的方法带来的误差，针对部分除运算采用了基于第一移位数和第二移位数进行移位的方式，大大减少了运算量，提高了运算效率。
神经网络模型归一化算子量化方法装置电子设备

[发明专利]一种数据处理方法、模型量化方法、电子设备及介质-CN202310309807.2在审
发明人：章小龙;黄敦博 -专利权人：安谋科技（中国）有限公司
申请日： 2023-03-27 - 公布日： 2023-10-13 - 主分类号： G06F7/02 文献下载
摘要：本申请涉及量化技术领域，特别涉及一种数据处理方法、模型量化方法、电子设备及介质。该方法包括：在神经网络模型的运行过程中，获取到神经网络模型中H‑swish算子的第一浮点输入数据，第一浮点输入数据属于第一浮点输入值范围；从第一浮点输入值范围对应的第一定点输入值范围中，获取第一浮点输入数据对应的第一定点输入数据，其中，第一定点输入值范围中的定点数据是对第一浮点输入值范围中的浮点数据进行非均匀量化后得到的；将第一定点输入数据输入H‑swish算子中进行计算。基于此，使得使用非均匀量化的浮点输入值范围能够分配到更多的量化比特位，提高量化精度。
一种数据处理方法模型量化电子设备介质

[发明专利]数据处理方法、装置、设备、可读存储介质及程序产品-CN202310926162.7在审
发明人：章小龙;黄敦博 -专利权人：安谋科技（中国）有限公司
申请日： 2023-07-25 - 公布日： 2023-10-13 - 主分类号： G06V10/82 文献下载
摘要：本申请实施例提供了数据处理方法、装置、设备、可读存储介质及程序产品，涉及人工智能等领域，应用场景包括但不限于在线推理场景。该方法包括：获取待处理图像；将待处理图像输入至融合处理后的神经网络模型，进行在线推理处理，确定图像处理结果；其中，融合处理后的神经网络模型通过待处理神经网络模型进行融合处理得到，待处理神经网络模型在融合处理的过程中，待处理神经网络模型的至少一种访存密集型算子被至少一种计算密集型算子替换，至少一种访存密集型算子和至少一种计算密集型算子用于对图像的特征图进行计算；使用融合处理后的神经网络模型进行在线推理，降低了内存读写导致的耗时，提升了在线推理的速度。
数据处理方法装置设备可读存储介质程序产品

[发明专利]数据处理方法、存储介质及电子设备-CN202310700762.1在审
发明人：许礼武;余宗桥;黄敦博 -专利权人：安谋科技（中国）有限公司
申请日： 2023-06-13 - 公布日： 2023-08-22 - 主分类号： G06F5/01 文献下载
摘要：本发明涉及神经网络技术领域，公开了一种数据处理方法、存储介质及电子设备，该方法包括：将多组待处理数据输入至神经网络模型后，获取神经网络模型中各运算层的多组浮点输出数据后，对每层运算层的多组浮点输出数据进行相应的降噪或者搜索量化前后该输出主特征损失最小的方法，以得到对应运算层输出的浮点数最大值和浮点数最小值，基于浮点数最大值和浮点数最小值得到对应运算层的量化参数，该方法有效的去除了层级量化误差带来的干扰，减少量化后模型最终的输出损失。
数据处理方法存储介质电子设备

[发明专利]基于神经网络模型的图像处理方法、介质和电子设备-CN202110656696.3有效
发明人：赵翼飞;黄敦博;潘阿成;高毅 -专利权人：安谋科技（中国）有限公司
申请日： 2021-06-11 - 公布日： 2023-08-18 - 主分类号： G06T1/60 文献下载
摘要：本申请涉及图像处理技术领域，公开了一种基于神经网络模型的图像处理方法、介质和电子设备，电子设备的第一中间层将第一映射关系调整为第二映射关系，其中，在第一映射关系中，第一处理单元与第一存储地址对应，第二处理单元与第二存储地址对应；在第二映射关系中，第一处理单元和第二存储地址对应，第二处理单元和第一存储地址对应，其中，第一处理单元能够获取第二特征图和第一特征图，并进行处理，如此，减少了电子设备在对特征图进行卷积操作后再进行特征图通道方向的读写操作量，提高了电子设备读写特征图的效率，进而提高了电子设备的图像处理效率。
基于神经网络模型图像处理方法介质电子设备

[发明专利]一种数据处理方法、模型处理方法、电子设备及介质-CN202310317258.3在审
发明人：章小龙;黄敦博;金礼森 -专利权人：安谋科技（中国）有限公司
申请日： 2023-03-27 - 公布日： 2023-07-07 - 主分类号： G06F9/50 文献下载
摘要：本申请提供一种数据处理方法、模型处理方法、电子设备及介质，该模型处理方法包括：电子设备获取待处理图像数据输入神经网络模型，得到图像处理结果，神经网络模型包括多个分支算子、多个与分支算子对应的截取算子以及目标算子。神经网络模型对待处理图像数据进行的处理方式包括：多个截取算子分别从目标算子中，获取对各自截取算子的关联映射区域，目标算子输出的输出特征图包括关联映射区域，截取算子将关联映射区域对应的特征图输入该截取算子对应的分支算子，获取输出结果。本申请可以保证处理后的模型获取的输出结果与原模型的输出结果一致。
一种数据处理方法模型处理电子设备介质

[发明专利]数据处理方法及其电子设备和介质-CN202310403046.7在审
发明人：许礼武;余宗桥;黄敦博 -专利权人：安谋科技（中国）有限公司
申请日： 2023-04-14 - 公布日： 2023-07-07 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及人工智能领域，涉及一种数据处理方法及其电子设备和介质，方法包括：获取对第一神经网络模型的模型参数进行量化的第一输入数据集；从第一输入数据集中筛选出满足第一条件的数据组成第二输入数据集；基于调节系数对第二输入数据集中的数据进行调整得到第三输入数据集；使用第三输入数据集对第一神经网络模型的模型参数进行量化，得到第二神经网络模型。确定出的第三输入数据集的数据量小于第一输入数据集的数据量，但第三输入数据集的种类能够尽可能多地覆盖第一输入数据集的种类，使得对神经网络模型进行量化所消耗的时间较少，且保持了通过量化后的神经网络模型的精度。
数据处理方法及其电子设备介质

[发明专利]神经网络模型的处理方法、电子设备及可读介质-CN202310309672.X在审
发明人：章小龙;黄敦博;孙锦鸿 -专利权人：安谋科技（中国）有限公司
申请日： 2023-03-27 - 公布日： 2023-06-23 - 主分类号： G06N3/063 文献下载
摘要：本申请涉及深度学习技术领域，公开了一种神经网络模型的处理方法、电子设备及可读介质。本申请的神经网络模型的处理方法包括：获取第一神经网络模型；确定第一神经网络模型包括卷积算子和内存算子；对应确定内存算子包括广度至深度算子，删除广度至深度算子，并将卷积算子中通道维度的数据折叠至高度维度和宽度维度，得到第二神经网络模型；对应确定内存算子包括深度至广度算子，删除深度至广度算子，并将卷积算子中高度维度和宽度维度的数据折叠至通道维度，得到第二神经网络模型。上述方案基于内存算子的维度转换方式调整卷积算子的卷积核的数据结构，使得即使删除内存算子，只通过卷积算子进行卷积计算也能获得与组合算子相同的数据处理结果。
神经网络模型处理方法电子设备可读介质

[发明专利]数据处理方法、存储介质及电子设备-CN202310280277.3在审
发明人：余宗桥;许礼武;黄敦博 -专利权人：安谋科技（中国）有限公司
申请日： 2023-03-21 - 公布日： 2023-05-23 - 主分类号： G06F5/01 文献下载
摘要：本发明涉及神经网络的技术领域，公开了一种数据处理方法、存储介质及电子设备，该方法包括：对多个第一算子的第一输出数据的定点数取值范围进行放大处理，得到多个第二输出数据，将多个第二输出数据输入第二算子，得到第二算子的第三输出数据；对第三输出数据的定点数取值范围进行转换处理，得到第四输出数据。在执行第二算子对应的运算之前，对多个第一算子的第一输出数据的定点数取值范围进行放大处理的转换，放大后得的多个第二输出数据不仅不会出现精度损失，还可以提高数据精度。并且，基于未出现精度损失且高数据精度的多个第二输出数据执行第二算子对应运算，可以确保第二算子输出数据的数据精度。
数据处理方法存储介质电子设备

[发明专利]一种数据处理方法、片上系统、电子设备及介质-CN202211389556.5在审
发明人：刘超;黄敦博;章小龙 -专利权人：安谋科技（中国）有限公司
申请日： 2022-11-08 - 公布日： 2023-04-28 - 主分类号： G06N3/0464 文献下载
摘要：本申请涉及人工智能技术领域，公开了一种数据处理方法、片上系统、电子设备及介质。本申请的数据处理方法包括：确定神经网络中各节点所需的数据处理资源，并且根据各节点的数据依赖关系将神经网络中的节点分为多个独立节点单元组；基于各节点所需的数据处理资源、多个独立节点单元组，确定神经网络中各节点的执行顺序；控制神经网络基于执行顺序执行各节点，以对待处理数据进行处理。上述数据处理方法可以为各节点分配各节点所需的数据处理资源，并且可以控制神经网络基于执行顺序执行各节点，降低了因资源分配而产生的等待时间，避免了资源的浪费，提升了计算速度。
一种数据处理方法系统电子设备介质

[发明专利]电子设备及其图像处理方法、片上系统和介质-CN202110528182.X有效
发明人：阮小飞;杨磊;尚峰;刘宇轩;黄敦博 -专利权人：安谋科技（中国）有限公司
申请日： 2021-05-14 - 公布日： 2023-04-28 - 主分类号： G06T11/40 文献下载
摘要：本申请涉及图像处理领域，公开了一种电子设备及其图像处理方法、片上系统和介质。本申请的图像数据填充方法包括：第一处理器获取填充参数；第一处理器获取第一图像数据并根据填充参数对第一图像数据填充生成第二图像数据；第一处理器将第二图像数据传送给第二处理器。如此，图像数据直接通过第一处理器填充后传递给第二处理器，减小了系统的端到端延迟，减轻了中央处理器和第二处理器的负荷。
电子设备及其图像处理方法系统介质

[发明专利]数据处理方法、可读介质和电子设备-CN202310080183.1在审
发明人：刘超;黄敦博;章小龙 -专利权人：安谋科技（中国）有限公司
申请日： 2023-01-19 - 公布日： 2023-04-11 - 主分类号： G06N3/0464 文献下载
摘要：本申请涉及人工智能领域，特别涉及一种数据处理方法、可读介质和电子设备，其中电子设备能够运行神经网络模型，神经网络模型包括第一处理层和第二处理层，并且所述电子设备包括第一计算核和第二计算核，其中方法包括：第一计算核获取待计算数据；第一计算核对待计算数据中的至少部分数据进行对应第一处理层的计算，得到第一计算结果；第一计算核将第一计算结果发送给第二计算核；第二计算核对第一计算结果进行对应第二处理层的计算，得到第二计算结果。
数据处理方法可读介质电子设备

[发明专利]神经网络模型的数据处理方法、存储介质及电子设备-CN202211475780.6在审
发明人：高峰;许礼武;黄敦博 -专利权人：安谋科技（中国）有限公司
申请日： 2022-11-23 - 公布日： 2023-03-07 - 主分类号： G06N3/0464 文献下载
摘要：本申请涉及计算机技术领域，公开了一种神经网络模型的数据处理方法、存储介质及电子设备，该方法包括：获取待处理数据；预测待处理数据在神经网络模型进行运算时将占用的第一存储空间的大小；基于第一存储空间的大小与静态存储器的存储单元的第二存储空间的大小的关系，对待处理数据进行切分，得到多个待处理子数据；将多个待处理子数据输入神经网络模型中进行运算，并将得到的对应多个待处理子数据的子计算结果分别存储到静态存储器的多个存储单元中，进而通过静态存储器可以实现神经网络模型在数据运算过程中的数据读写，且由于通过静态存储器读写数据的延迟较低，从静态存储器中读写数据可以提高神经网络模型的处理效率。
神经网络模型数据处理方法存储介质电子设备

[发明专利]神经网络模型的量化方法、电子设备及可读存储介质-CN202211399379.9在审
发明人：章小龙;黄敦博;刘超;高毅 -专利权人：安谋科技（中国）有限公司
申请日： 2022-11-09 - 公布日： 2023-01-03 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及人工智能领域，公开了一种神经网络模型的量化方法、电子设备及可读存储介质。该方法通过确定量化的神经网络模型的预设结构，预设结构包括线性算子和非线性算子，并在非线性算子的类型为第一类型的情况下，将线性算子的输入数据的量化参数融合到非线性算子的第一浮点数权重数据中，确定第二浮点数权重数据，对第二浮点数权重数据进行量化，确定定点数权重数据，再根据定点数权重数据和线性算子的定点数输入数据的线性运算结果，进行与非线性算子功能对应的非线性运算，确定浮点数运算结果并生成定点数运算结果，从而能够优化算子之间传递数据的处理过程，减少神经网络模型的量化误差，提高神经网络模型的运行性能和计算精度。
神经网络模型量化方法电子设备可读存储介质

[发明专利]图像处理方法、片上系统、电子设备和介质-CN202110684925.2有效
发明人：阮小飞;杨磊;尚峰;黄敦博;刘宇轩 -专利权人：安谋科技（中国）有限公司
申请日： 2021-06-21 - 公布日： 2022-12-30 - 主分类号： G06T5/40 文献下载
摘要：本申请涉及图像处理领域，公开了一种图像处理方法、片上系统、电子设备和介质。上述图像处理方法用于上述电子设备，上述电子设备包括第一处理器和第二处理器；并且上述图像处理方法包括：所述第一处理器获取第一图像数据；所述第一处理器根据所述第一图像数据获取图像预处理所需的目标参数；所述第一处理器向所述第二处理器发送所述第一图像数据及所述目标参数；其中，所述第一处理器为图像信号处理器。该方法能够有效减少中央处理器的运行负荷，减少系统端到端的延迟。
图像处理方法系统电子设备介质

1
2
下一页»
尾页
共 30 条