“周旭亚”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5个，建议您升级VIP下载更多相关专利

[发明专利]一种网络模型的部署方法、计算机设备和存储介质-CN202310199461.5在审
发明人：韩利丽;陈波扬;韩建强;周旭亚;毛佳丽 -专利权人：浙江大华技术股份有限公司
申请日： 2023-02-24 - 公布日： 2023-06-23 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种网络模型的部署方法、计算机设备和存储介质，该网络模型的部署方法包括：获取网络模型；将网络模型转换为与待部署设备的网络框架适配的中间网络模型；响应于运算量调整需求对中间网络模型的算子连接顺序或算子类型进行转换，得到目标网络模型；将目标网络模型发送至待部署设备，以使得待部署设备完成目标网络模型的部署。通过上述方式，本申请能够提高部署至待部署设备中的目标网络模型的性能。
一种网络模型部署方法计算机设备存储介质

[发明专利]一种低功耗芯片及其数据处理方法、存储介质-CN202310099803.6在审
发明人： 周旭亚;陈波扬 -专利权人：浙江大华技术股份有限公司
申请日： 2023-02-01 - 公布日： 2023-06-02 - 主分类号： G06V10/28 文献下载
摘要：本发明公开了一种低功耗芯片及其数据处理方法、存储介质，该方法包括：根据区块图像的第一量化因子、区块图像的权重矩阵的第二量化因子，以及区块图像对应的偏置量，评估偏置量被量化后是否会发生溢出；若确定偏置量被量化后会发生溢出，则对第一量化因子和第二量化因子中的至少一个进行修正；用修正后的量化因子和其余未修正的量化因子对区块图像、权重矩阵及偏置量进行量化；用定点运算器对量化后的区块图像、量化后的权重矩阵、量化后的偏置量进行对应网络层的定点运算，获得定点运算结果；对定点运算结果进行反量化运算，获得区块图像的区块特征。
一种功耗芯片及其数据处理方法存储介质

[发明专利]一种数据类型转换方法、装置、电子设备以及存储介质-CN202210676045.5在审
发明人：黄鹏;周旭亚;殷海兵 -专利权人：浙江大华技术股份有限公司
申请日： 2022-06-15 - 公布日： 2022-07-15 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种数据类型转换方法、装置、电子设备以及存储介质，数据类型转换方法包括：确定当前网络层的输出数据的数据类型；其中，数据类型包括第一数据类型与第二数据类型，第一数据类型的精度大于第二数据类型的精度；确定与当前网络层的输出数据相连的下一网络层的输入数据的数据类型；响应于当前网络层的输出数据的数据类型为第一数据类型，且连接的下一网络层的输入数据的总数量大于数据类型为第二数据类型的输入数据的数量，同时数据类型为第二数据类型的输入数据的数量大于设定数量，在当前网络层的输出节点后添加转换层；通过转换层将输出数据的数据类型由第一数据类型转换成第二数据类型。本申请能够提高神经网络的推理速度。
一种数据类型转换方法装置电子设备以及存储介质

[发明专利]一种机器学习模型的训练方法、装置和可读存储介质-CN202111350153.5在审
发明人：张兴明;周旭亚;陈波扬;黄鹏 -专利权人：浙江大华技术股份有限公司
申请日： 2021-11-15 - 公布日： 2022-03-22 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种机器学习模型的训练方法、装置和可读存储介质，该方法包括：获取多个第一训练样本；对第一训练样本进行第一随机增强处理，得到第二训练样本；在基于预设增强总数判断到第二训练样本满足预设增强条件后，对第二训练样本进行第二随机增强处理，得到第三训练样本，预设增强总数为批处理数量的约数；利用训练样本对机器学习模型进行训练，得到训练完的机器学习模型，训练样本包括第二训练样本或第三训练样本，批处理数量为每次输入至机器学习模型的训练样本的数量。通过上述方式，本申请能够加速模型的收敛速度。
一种机器学习模型训练方法装置可读存储介质

[发明专利]神经网络模型的量化方法、设备及计算机存储介质-CN202010568807.0在审
发明人： 周旭亚 -专利权人：浙江大华技术股份有限公司
申请日： 2020-06-19 - 公布日： 2020-10-23 - 主分类号： G06N3/04 文献下载
摘要：本申请提供一种神经网络模型的量化方法、设备及计算机存储介质。包括：对神经网络模型输入训练图片，进行第一数据类型的计算，获得神经网络模型中每一计算层的第一输入数据；根据至少两种算法获得每一计算层的至少两个初始量化因子；基于至少两个初始量化因子获得每一计算层量化后的至少两个第二输入数据；比较每一计算层中第一输入数据和每个第二输入数据的相关性；将相关性最大的第二输入数据对应的初始量化因子作为计算层的最终量化因子；将最终量化因子输入神经网络模型。本申请通过至少两种算法计算每一计算层的量化因子，并在比较后确定每一计算层的最优量化因子，从而提高了整个神经网络模型的量化精度。
神经网络模型量化方法设备计算机存储介质