“舒红乔”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18个，建议您升级VIP下载更多相关专利

[发明专利]一种信息处理方法及装置-CN202211723222.7在审
发明人：李远辉;王奇刚;舒红乔;张俊丽 -专利权人：联想（北京）有限公司
申请日： 2022-12-30 - 公布日： 2023-04-04 - 主分类号： G06F18/214 文献下载
摘要：本申请实施例公开了一种信息处理方法，包括：获取初始模型，并获取多个目标设备的硬件配置信息；基于初始模型的第一参数信息和硬件配置信息，确定每一目标设备对应的第二参数信息；基于多个第二参数信息和第一参数信息，采用流水方式对初始模型进行分层压缩，得到每一层对应的第一模型；其中，当前层对应的第一模型是基于上一层对应的模型参数生成的。本申请的实施例还公开了一种信息处理装置。
一种信息处理方法装置

[发明专利]模型更新方法、装置、电子设备和可读存储介质-CN202211230377.7在审
发明人： 舒红乔;王奇刚;李远辉 -专利权人：联想（北京）有限公司
申请日： 2022-09-30 - 公布日： 2023-03-17 - 主分类号： G06V10/764 文献下载
摘要：本申请提供的一种模型更新方法、装置、电子设备和可读存储介质中，在多个历史输出结果中确定目标历史输出结果，基于该目标历史输出结果中正标签的概率调整目标负标签的概率，并基于该调整后的目标负标签的概率以及正标签的概率对目标模型处理图像得到的当前结果进行指导，以更新该目标模型，得到当前输出结果，使得该当前输出结果中标签对应的概率与当前结果中相应处理分类对应的概率不同，对目标模型的更新是结合了历史输出中包含的暗知识，提高了该目标模型的泛化能力，达到提高目标模型针对其他图像进行识别的准确度。
模型更新方法装置电子设备可读存储介质

[发明专利]一种数据处理方法、装置、设备及存储介质-CN202210529898.6在审
发明人：张俊丽;王奇刚;李远辉;舒红乔 -专利权人：联想（北京）有限公司
申请日： 2022-05-16 - 公布日： 2022-09-06 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种数据处理方法、装置、设备及存储介质，包括：在散点图上确定第一散点；所述散点图包括第一类型的散点和第二类型的散点，一个所述第一类型的散点表征一个原始标签数据；一个第二类型的散点表征一个无标签数据；所述第一散点为任一个所述第一类型的散点；所述第一散点表征第一数据；基于所述散点图，确定所述第一散点的邻域半径范围；在所述邻域半径范围内，确定所述第一散点的扩展区域；将所述扩展区域内的所述第二类型的散点的标签配置为所述第一散点的第一标签。对于本申请的方案，消耗的时间和存储空间小；且标注的准确度高。
一种数据处理方法装置设备存储介质

[发明专利]一种聚类方法、装置、设备及存储介质-CN202210271198.1在审
发明人：张俊丽;王奇刚;舒红乔 -专利权人：联想（北京）有限公司
申请日： 2022-03-18 - 公布日： 2022-07-12 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种聚类方法、装置、设备及存储介质，其中，所述方法包括：确定待聚类数据的分布密度信息；基于所述待聚类数据的分布密度信息，确定所述待聚类数据的至少两个分布密度中每一所述分布密度下数据的中心数据和聚类参数；基于每一所述分布密度下数据的中心数据和聚类参数，对所述待聚类数据进行聚类，得到聚类结果。
一种方法装置设备存储介质

[发明专利]一种模型蒸馏方法、装置、电子设备和可读存储介质-CN202210332387.5在审
发明人： 舒红乔;王奇刚;李远辉 -专利权人：联想（北京）有限公司
申请日： 2022-03-31 - 公布日： 2022-06-10 - 主分类号： G06N3/08 文献下载
摘要：本申请提供了一种模型蒸馏方法、装置、电子设备和可读存储介质，包括：确定至少两个老师模型和至少两个学生模型，所述学生模型与所述老师模型对应，其中，所述至少两个学生模型相同，任意两个老师模型不同；在控制所述至少两个学生模型学习对应老师模型的知识过程中，控制每个所述学生模型分别融合所述至少两个学生模型中其他学生模型的目标知识；在所述至少两个学生模型中，选择满足约定条件的学生模型作为目标学生模型。本方案中，一个老师模型只需要将知识教给一个学生模型，学生模型之间互相学习，能够快速的找到知识学习效果最好的学生模型，实现了对于该多个老师模型进行快速蒸馏。
一种模型蒸馏方法装置电子设备可读存储介质

[发明专利]一种模型处理方法、装置及电子设备-CN202210242783.9在审
发明人： 舒红乔;王奇刚;张俊丽 -专利权人：联想（北京）有限公司
申请日： 2022-03-11 - 公布日： 2022-06-03 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种模型处理方法、装置及电子设备，包括：获取第一模型和第二模型，第一模型的参数数量大于第二模型的参数数量；确定满足目标条件的第一模型的第一目标隐藏层和第二模型的第二目标隐藏层，目标条件为基于同一训练样本第一模型和第二模型中具有相同输出维度的隐藏层；确定第一目标隐藏层输出的第一特征向量和第二目标隐藏层输出的第二特征向量之间的相似度参数；基于相似度参数对第二模型的模型参数进行处理，得到目标模型。本申请通过确定第一模型和第二模型中针对同一训练样本具有相同输出维度的隐藏层的相似度参数，实现对模型的处理，无需对模型进行额外的预处理，提升了模型处理的便捷性和准确性。
一种模型处理方法装置电子设备

[发明专利]一种裁剪神经网络模型的方法和电子设备-CN201910791699.0有效
发明人： 舒红乔;王奇刚;李远辉;杨安荣;邓建林 -专利权人：联想（北京）有限公司
申请日： 2019-08-26 - 公布日： 2022-04-22 - 主分类号： G06N3/063 文献下载
摘要：本申请提供了一种裁剪神经网络模型的方法，基于神经元在待裁剪神经元层中的重要度最低，确定第一神经元为待裁剪的神经元，基于与该第一神经元差异度最小，确定第二神经元为待裁剪的神经元，以此类推，确定与上一待裁剪的神经元差异度最低的神经元为新的待裁剪的神经元，直至裁剪的神经元数量满足预设待裁剪的神经元数量为止。由于裁剪的神经元为重要度最低，以及与该重要度最低的神经元差异度最低的神经元，不会对神经网络模型的准确度产生较大的影响，在保证了神经网络模型数据处理准确度的前提下，完成率了对于神经网络模型的压缩裁剪，方便其部署在边缘设备上。
一种裁剪神经网络模型方法电子设备

[发明专利]一种标签筛选方法及装置-CN202111164295.2在审
发明人：李远辉;王奇刚;舒红乔 -专利权人：联想（北京）有限公司
申请日： 2021-09-30 - 公布日： 2022-02-08 - 主分类号： G06N5/02 文献下载
摘要：本申请实施例公开了一种标签筛选方法及装置，获得与多个老师模型对应的指导标签，所述指导标签通过老师模型对训练样本预测获得；根据真实标签对所述指导标签进行筛选，确定满足筛选条件的目标标签；根据所述目标标签对学生模型进行蒸馏指导，获得更新后的学生模型；应用本申请实施例提供的方法，能够在较短时间内训练获得具有较高精度的学生模型。
一种标签筛选方法装置

[发明专利]一种数据处理方法、设备及存储介质-CN202110240689.5在审
发明人：李远辉;舒红乔 -专利权人：联想（北京）有限公司
申请日： 2021-03-04 - 公布日： 2021-07-13 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例公开了一种数据处理方法，该方法包括：确定待裁剪神经网络模型中目标层的目标参数对应的至少一个第一参数值；确定压缩比率和稀疏化率；基于压缩比率、稀疏化率和所述至少一个第一参数值，对所述待裁剪神经网络模型进行稀疏化裁剪处理，得到目标神经网络模型；基于所述目标神经网络模型对待裁剪数据进行稀疏化裁剪处理。本申请实施例还公开了一种电子设备和存储介质。
一种数据处理方法设备存储介质

[发明专利]一种基于设备参数的模型处理方法及电子设备-CN202110293414.8在审
发明人： 舒红乔;王奇刚;李远辉 -专利权人：联想（北京）有限公司
申请日： 2021-03-18 - 公布日： 2021-06-25 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种基于设备参数的模型处理方法及电子设备，用以将深度学习模型部署在资源受限的设备。方法包括：解析目标设备的空间容量和待安装的目标模型所需的空间容量，目标模型包括至少一个卷积层；在目标设备的空间容量不满足目标模型所需的空间容量的情况下，基于目标设备的空间容量确定目标模型的压缩比率；基于压缩比率缩限目标模型中符合预设条件的卷积层的结构，以实现对目标模型的压缩；将压缩后的模型安装到目标设备中。采用本申请所提供的方案，实现了将深度学习模型部署在资源受限的设备的目的。
一种基于设备参数模型处理方法电子设备

[发明专利]一种模型压缩方法和系统-CN201910251630.9有效
发明人：李远辉;王奇刚;舒红乔;李正;杨安荣 -专利权人：联想（北京）有限公司
申请日： 2019-03-29 - 公布日： 2021-04-13 - 主分类号： G06N3/04 文献下载
摘要：本申请提供了一种模型压缩方法及系统，该方法包括：确定待压缩的目标模型的压缩比例；基于所述压缩比例，对所述目标模型进行压缩处理，获得压缩后的模型，所述压缩处理包括：基于所述压缩比例，对所述目标模型执行第一压缩处理的同时并行地进行第二压缩处理，其中，所述第一压缩处理和所述第二压缩处理的压缩属性不同。基于该模型压缩方法提高了模型压缩精度和效率。
一种模型压缩方法系统

[发明专利]一种机器学习模型压缩方法、装置及设备-CN202011141545.6在审
发明人： 舒红乔;王奇刚;李远辉;邓建林;杨安荣 -专利权人：联想（北京）有限公司
申请日： 2020-10-22 - 公布日： 2021-03-16 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种机器学习模型压缩方法、装置及设备，所述方法包括：获取待压缩模型的原始模型数据，所述原始模型数据包括所述待压缩模型的中间层的特征图信息；根据所述特征图信息，确定所述中间层的每一特征图的二维信息熵；根据所述二维信息熵，对所述待压缩模型进行裁剪，得到压缩后的模型数据。由此，利用二维信息熵对特征图的重要性进行合理评价，通过裁剪二维信息熵较小的特征图，对机器学习模型进行压缩，在保留机器学习模型的计算精度的基础上，显著降低模型存储空间，节约计算资源，使得机器学习模型能够部署至更多的设备，大大增加了机器学习模型的应用范围，并有效提高了设备运行速度。
一种机器学习模型压缩方法装置设备

[发明专利]一种模型裁剪方法及设备-CN202011147814.X在审
发明人：李远辉;王奇刚;舒红乔;邓建林;杨安荣 -专利权人：联想（北京）有限公司
申请日： 2020-10-23 - 公布日： 2021-02-26 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种模型裁剪方法及设备，所述方法包括：获得与待裁剪模型对应的计算力权值和参数量权值，所述待裁剪模型包含至少两层裁剪层；其中，所述计算力权值用于表征模型计算力对模型裁剪贡献度的比值，参数量权值用于表征模型参数量对模型裁剪贡献度的比值；根据计算力权值和参数量权值对每一层裁剪层进行分析，以确定与所述裁剪层对应的裁剪度参数；基于所述裁剪度参数对所述待裁剪模型进行裁剪处理，获得裁剪模型；应用本方法能够获得加速比和压缩比的都相对较优的裁剪模型。
一种模型裁剪方法设备

[发明专利]卷积神经网络量化处理方法、装置及计算机设备-CN201811644575.1有效
发明人：李正;邓建林;李远辉;杨安荣;舒红乔 -专利权人：联想（北京）有限公司
申请日： 2018-12-30 - 公布日： 2021-02-19 - 主分类号： G06N3/04 文献下载
摘要：本申请提供了一种卷积神经网络量化处理方法、装置及计算机设备，本申请采用双精度量化处理方法，来提高量化后的准确率，具体的，获取卷积神经网络中卷积层的最大权值及最大偏差量，分别计算最大权值的动态比特位精度值，及最大偏差量的动态比特位精度值，之后，利用这两个动态比特位精度值实现卷积计算，由于本申请从卷积层的权值和偏差值两方面进行量化，避免了单精度量化，容易导致权值或偏差值精度损失，影响量化准确性的情况发生。
卷积神经网络量化处理方法装置计算机设备

[发明专利]深度神经网络裁剪方法、装置及电子设备-CN201911280967.9在审
发明人： 舒红乔;王奇刚;李远辉;向辉;邓建林 -专利权人：联想（北京）有限公司
申请日： 2019-12-09 - 公布日： 2020-04-21 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例公开了一种深度神经网络裁剪方法、装置及电子设备，将目标卷积层中稀疏度最高的卷积核作为基准卷积核，根据该基准卷积核对各个非基准卷积核的相对熵，以及各个非基准卷积核中元素的绝对值，确定至少一个目标卷积核；该目标卷积核与基准卷积核的差异，小于目标卷积层中非目标卷积核与所述基准卷积核的差异；删除该至少一个目标卷积核，并对目标卷积层的下一卷积层中的各个卷积核进行处理，使得下一卷积层中的各个卷积核与所述目标卷积层中剩余的卷积核相适配，减少了目标卷积层中卷积核的数量和输出的特征图的数量，以及目标卷积层的下一卷积层中卷积核的数据量，在保证网络模型的处理精度的同时提升网络模型的加速效果。
深度神经网络裁剪方法装置电子设备

1
2
下一页»
尾页
共 18 条