“曾书霖”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4个，建议您升级VIP下载更多相关专利

[发明专利]面向3D点云神经网络算法的硬件架构、计算方法及设备-CN202310944645.X在审
发明人：汪玉;杨昕昊;曾书霖;傅天予;钟凯;洪可 -专利权人：清华大学
申请日： 2023-07-28 - 公布日： 2023-10-17 - 主分类号： G06N3/063 文献下载
摘要：本申请涉及点云神经网络技术领域，特别涉及一种面向3D点云神经网络算法的硬件架构、计算方法及设备，其中，硬件架构包括：片外存储；映射模块，映射模块设置有距离过滤技术和/或输出优先映射计算技术，以降低计算3D点云神经网络算法的映射操作时片外存储的片外访存量，根据映射操作生成输入和输出之间的映射关系；计算模块，计算模块设置有弹性阵列架构，根据3D点云神经网络算法中不同规模的计算任务调整弹性阵列架构，根据映射关系取出权重和对应的输入特征进行矩阵运算得到输出特征。由此，解决了相关技术中，点云神经网络加速器片外访存量大，计算单元利用率低，导致加速器处理速度慢、可扩展性和灵活性差，无法满足实际需要等问题。
面向神经网络算法硬件架构计算方法设备

[发明专利]面向云端深度学习推理的FPGA虚拟化硬件系统栈设计-CN202110593553.2有效
发明人： 曾书霖;戴国浩;杨昕昊;刘军;汪玉 -专利权人：清华大学
申请日： 2021-05-28 - 公布日： 2023-01-06 - 主分类号： G06F30/34 文献下载
摘要：本申请公开一种面向云端深度学习推理的FPGA虚拟化硬件系统栈设计，涉及人工智能技术领域，该设计包括分布式FPGA硬件辅助虚拟化硬件架构、CPU服务器节点用于运行虚拟机容器、静态编译器和深度神经网络DNN，其中，所述深度神经网络DNN用于获取用户指令，通过所述静态编译器将所述用户指令编译为指令包；FPGA服务器计算节点，用于运行虚拟化系统服务和FPGA加速卡，所述FPGA加速卡包括虚拟化多核硬件资源池和四块双倍速率同步动态随机存储器DDR；总控制节点用于通过控制层管理所述CPU服务器节点和所述FPGA服务器计算节点中的各节点。上述方案的本申请解决了现有技术中面向深度学习推理应用的FPGA虚拟化方案中无法拓展到分布式多节点计算集群的技术问题。
面向云端深度学习推理 fpga 虚拟硬件系统设计

[发明专利]一种应用于面向云端深度学习推理的分布式FPGA多任务调度算法-CN202110594180.0有效
发明人： 曾书霖;戴国浩;杨昕昊;孙寒泊;王鸿懿;汪玉 -专利权人：清华大学
申请日： 2021-05-28 - 公布日： 2022-10-11 - 主分类号： G06F9/48 文献下载
摘要：一种应用于面向云端深度学习推理的分布式FPGA多任务调度算法，包括：面向多节点FPGA现场可编程门阵列的两阶段静态‑动态编译器，具体包括：基于切分的静态编译器生成沿宽度切分或沿输出通道切分的细粒度指令包；通过考虑多节点FPGA通信代价的延时仿真器，根据细粒度指令包生成延时查找表；将细粒度指令包和延时查找表存储在动态编译器中；通过动态编译器，根据预先生成的细粒度指令包和延时查找表生成指令文件；将指令文件发送到虚拟化核心分配器中进行在线部署，同时，通过监控器记录指令运行时的延时结果，将延时结果返回至多任务调度器的虚拟核分配器并更新性能模型。解决现有技术中同类编译器性能模型编译效率低下和多任务调度算法性能差的技术问题。
一种应用于面向云端深度学习推理分布式 fpga 任务调度算法

[发明专利]面向云端深度学习推理的FPGA虚拟化方法-CN201911419172.1有效
发明人： 曾书霖;戴国浩;汪玉;杨华中 -专利权人：清华大学
申请日： 2019-12-31 - 公布日： 2021-04-13 - 主分类号： G06F9/445 文献下载
摘要：本发明公开了一种面向云端深度学习推理的FPGA虚拟化方法，该方法包括以下步骤：通过向基于指令集架构的深度神经网络加速器架构引入两级指令调度器和硬件资源池，构建基于指令集架构的深度神经网络加速器虚拟化架构；根据基于指令集架构的深度神经网络加速器虚拟化架构，将完整编译流程划分为静态编译和动态编译；在静态编译第一次部署时生成细粒度指令包，当动态编译重配置时，对细粒度指令包进行整合，快速生成需求指令文件。该方法在确保最大化硬件资源利用率的多任务算力资源共享下，实现运行时的快速动态重配置。
面向云端深度学习推理 fpga 虚拟方法