“模型编译”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果792213个，建议您升级VIP下载更多相关专利

[发明专利]模型编译管理方法、装置、电子设备及存储介质-CN202211511529.0在审
发明人：甘国超 -专利权人：重庆长安汽车股份有限公司
申请日： 2022-11-29 - 公布日： 2023-02-24 - 主分类号： G06F8/41 文献下载
摘要：本申请涉及一种模型编译管理方法、装置、电子设备及存储介质，包括：获取待批量编译模型的模型集路径和代码集路径，遍历模型集路径下的每个子文件夹，得到多个待编译模型；确定当前待编译模型，判断当前待编译模型是否满足预设编译条件；若当前待编译模型满足预设编译条件，则调用预设的模型编译器对当前待编译模型进行编译，编译成功后，将编译生成的有效代码存储至代码集路径下与当前待编译模型对应的子文件夹名称相同的文件夹内，删除新生成的文件目录，将下一个待编译模型作为新的当前待编译模型，直至多个待编译模型完成编译。由此，解决了服务化架构下编译生成代码的工作量大，管理难度大等问题，极大的减轻了编译工作量和管理难度。
模型编译管理方法装置电子设备存储介质

[发明专利]一种模型编译、运行方法及装置-CN201911226498.2有效
发明人：陈良;叶挺群 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2019-12-04 - 公布日： 2023-10-10 - 主分类号： G06F8/41 文献下载
摘要：本申请实施例提供了一种模型编译、运行方法及装置，涉及人工智能技术领域，方法包括：获得待编译模型的输入数据的多个尺寸；基于多个尺寸对待编译模型进行编译，获得待编译模型处理多个尺寸中每一尺寸的输入数据使用的模型参数和待编译模型处理每一尺寸的输入数据使用的计算指令；对各个尺寸对应的模型参数之间取值相同的参数进行合并，得到合并模型参数，并确定合并模型参数中各个参数与各个尺寸的对应关系；生成包含多个尺寸对应的计算指令、合并模型参数和对应关系的编译后模型。应用本申请实施例提供的方案对待编译模型进行编译，可以降低生成的编译后模型对存储资源和运行资源的需求。
一种模型编译运行方法装置

[发明专利]面向云边计算的深度学习分布式编译器及构造方法-CN202110449381.1有效
发明人：林伟伟;吴伟正 -专利权人：华南理工大学
申请日： 2021-04-25 - 公布日： 2022-06-14 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种面向云边计算的深度学习分布式编译器及构造方法，编译器包括模型编译框架和模型调度框架；模型编译框架通过容器化深度学习编译器和Kubernetes容器编排系统，完成分布式编译多模型任务的工作；模型编译框架能快速构建深度学习分布式编译器，充分利用服务器集群的优势来解决突发的大量编译需求，克服了深度学习编译器无法分布式编译的不足；模型调度框架对模型编译过程进行资源分析，获取模型运行最高效的资源组合，并设计了Distributed‑DRF调度算法来指导调度中间件来进行调度决策，提高了资源分配的公平性和模型调度的准确性。
面向计算深度学习分布式编译器构造方法

[发明专利]AI编译器的验证方法、装置及存储介质-CN202310293106.4在审
发明人：徐康 -专利权人：哲库科技（上海）有限公司
申请日： 2023-03-23 - 公布日： 2023-06-23 - 主分类号： G06F11/36 文献下载
摘要：本申请提供AI编译器的验证方法、装置及存储介质。本申请的技术方案中，电子设备将至少一个第一模型输入AI编译器，得到至少一个第二模型，该第二模型为AI编译器对第一模型进行预设存储格式的转换处理得到的模型，第二模型与第一模型具有对应关系；然后对第一模型和与第一模型对应的第二模型进行验证，确定AI编译器的验证结果，该验证结果用于指示AI编译器的编译准确性。该AI编译器的验证方法中，通过对输入AI编译器的第一模型和AI编译器对应输出的第二模型进行验证，可以确定AI编译器的编译结果的准确性，且该验证方法易于实施，验证的比较全面，能够适用于更多的模型场景，以得到更准确的验证结果
ai 编译器验证方法装置存储介质

[发明专利]一种系统快速搭建组件的方法-CN202010481144.9有效
发明人：孙可;司正中;卢静;赖祥顺 -专利权人：四川亨通网智科技有限公司
申请日： 2020-05-31 - 公布日： 2023-06-30 - 主分类号： G06F8/30 文献下载
摘要：本发明涉及一种系统快速搭建组件的方法，包括至少一类通用组件的标准模型，以及与各标准模型连接的调用端子，通过该调用端子向所述标准模型发起调用请求；与所述标准模型和调用端子连接的编译模块，所述调用端子调用所述标准模型后选择是否编译，无需编译则直接加载所述标准模型；需要编译时，由调用端子向所述编译模块发起编译请求并进入编译界面，所述编译模块与标准模型之间建立有多条编译通道，每条编译通道对应一种编译类型，本发明在进行组件快速搭建的过程中还增加了一个对各组件进行编辑的功能
一种系统快速搭建组件方法

[发明专利]编译模型-CN200910177652.1有效
发明人：朱利恩·乔伊纳德;吉勒斯·布鲁内特;丹尼斯·拉瓦莱;庄占达;让-弗朗索瓦·拉利贝特;弗雷德里克·达尔沃;奥列弗·拉鲁什 -专利权人： ICS三重自动化软件有限公司
申请日： 2009-09-30 - 公布日： 2010-06-30 - 主分类号： G06F9/45 文献下载
摘要：编译器可以在编程语言内编译部分数据。汇编器部件可以利用中间语言将部分数据转换成汇编对象代码部分，其中汇编对象代码独立于目标。链接器可以根据汇编对象代码部分创建二进制文件，其中二进制文件独立于目标。
编译模型

[发明专利]一种面向众核架构的神经网络增量编译方法和装置-CN202310191337.4有效
发明人：何煜坤;李莹;马德;章明;孙世春;金孝飞;邓水光;潘纲 -专利权人：之江实验室;浙江大学
申请日： 2023-03-02 - 公布日： 2023-07-04 - 主分类号： G06F8/41 文献下载
摘要：本发明公开一种面向众核架构的神经网络增量编译方法和装置，该方法包括：步骤一，获得前次编译结果，并复原为编译器对应的中间表示结构；步骤二，分别对前次编译的模型和当前编译的模型，进行逐层匹配，识别前次编译的模型和当前编译的模型之间产生的变化；步骤三，对产生变化的模型网络层完成增量分析得到增量数据，对与产生变化的网络层相连的层，递归地完成依赖性分析来确认重新编译最小集合；步骤四，对复原的中间表示结构进行解析，定位中间表示结构中涉及增量修改的节点，再进行增量填充和重编译；步骤五，对经过增量填充和重编译的中间表示结构进行部分序列化，生成编译结果文件。本发明能够减少重复编译优化的耗时，提高编译效率。
一种面向架构神经网络增量编译方法装置

[发明专利]一种编译日志的分析方法及装置-CN202110828668.5在审
发明人：陈淦;唐晓勇;李轶;施政益 -专利权人：中国工商银行股份有限公司
申请日： 2021-07-22 - 公布日： 2021-10-15 - 主分类号： G06F8/41 文献下载
摘要：本发明提供了一种编译日志的分析方法及装置，可以应用于人工智能技术领域，方法包括：通过预设的编译要素获取编译文本日志并对编译文本日志进行预处理；将预处理后的编译文本日志和编译要素输入预先训练的分析模型中获得编译耗时长和编译文本日志分析结果本申请通过编译要素建立起编译要素模型和分析模型，其中分析模型采用了无监督学习算法和有监督学习算法的结合，有效提高了模型分析的准确性，实现了对一次编译结果自动进行实时分析的功能，针对现有的编译日志收集和分析方法中的缺点，解决了大规模多类型编译场景下日志收集和分析效率低、依赖人工分析等问题，实现了提升编译系统可靠性，降低分析编译日志成本的技术效果。
一种编译日志分析方法装置

[发明专利]FMU模型转换为Modelica模型的联合仿真方法-CN202210791133.X有效
发明人：侯庆坤;蒋荣;何绍清;程旭;张聪聪 -专利权人：中国汽车技术研究中心有限公司;中汽数据（天津）有限公司
申请日： 2022-07-07 - 公布日： 2022-09-20 - 主分类号： G06F9/455 文献下载
摘要：本发明提供一种FMU模型转换为Modelica模型的联合仿真方法，包括两个以上的FMU模型转换为Modelica模型并在Modelica编译环境下联合仿真，至少一个FMU模型转换为Modelica模型并与Modelica语言模型在Modelica编译环境下联合仿真；本发明在Modelica编译环境下实例化FMU模型，解析FMU模型的描述文件，调用Modelica的外部函数，完成在Modelica语言编译环境下的模型变量、输入输出接口、方程、算法的声明与定义，将FMU模型转换为Modelica模型，在Modelica编译环境下联合仿真，实现多学科、跨平台的多源异构模型集成。
fmu 模型转换 modelica 联合仿真方法

[发明专利]神经网络模型的编译方法、优化模型的训练方法和装置-CN202310603567.7在审
发明人：沈碧螺;邓博文;李建军;张骞 -专利权人：北京地平线信息技术有限公司
申请日： 2023-05-25 - 公布日： 2023-08-22 - 主分类号： G06F9/302 文献下载
摘要：本公开实施例公开了一种神经网络模型的编译方法、优化模型的训练方法和装置，其中，方法包括：获取待编译神经网络模型；基于待编译神经网络模型，确定待编译神经网络模型对应的中间指令序列；利用预先训练获得的指令序列优化模型对中间指令序列进行处理，获得中间指令序列对应的目标优化参数；基于目标优化参数，确定中间指令序列对应的优化指令序列；将优化指令序列转换为可执行指令序列，获得待编译神经网络模型对应的神经网络处理器可执行的目标指令序列。本公开实施例可以大大降低编译时间，从而可以有效提高编译效率。
神经网络模型编译方法优化训练装置

[发明专利]编译预测模型的生成方法、编译方法-CN202310727037.3在审
发明人：蔡炜相;孙亚强;陈麒 -专利权人：深圳国微晶锐技术有限公司
申请日： 2023-06-19 - 公布日： 2023-09-12 - 主分类号： G06F8/41 文献下载
摘要：本发明公开了一种编译预测模型的生成方法、编译方法，其中编译方法包括：基于不同设计样本的信息进行机器学习，生成预测模型；对目标设计进行编译之前，提取所述目标设计编译前的设计特征输入至所述预测模型中，从输出的编译策略中选择符合用户需求的编译效果的N套编译策略，N≥1；使用N套编译策略对目标设计进行编译，生成对应的编译工程；对编译日志进行实时分析，获取编译过程中的实时设计特征并进行判断；若实时设计特征存在对应的编译困难类型，则选择M套新的编译策略去调整后续至少一个编译步骤的编译策略，M≥1；若实时设计特征对应的编译效果符合用户需求，则按照当前的编译策略继续编译直至编译完成。本发明可显著提升编译效率。
编译预测模型生成方法

[发明专利]神经网络联合编译的方法、装置和电子设备-CN201911138469.0有效
发明人：周舒畅;王田 -专利权人：北京迈格威科技有限公司
申请日： 2019-11-18 - 公布日： 2021-11-16 - 主分类号： G06F8/41 文献下载
摘要：本发明提供了一种神经网络联合编译的方法、装置和电子设备，该方法包括：获取多个待编译神经网络模型和多个待编译神经网络模型的计算图；确定多个待编译神经网络模型的模型组合方案，并对每种模型组合方案中的待编译神经网络模型的计算图进行联合编译，得到每种模型组合方案对应的优化计算图；在优化计算图中确定目标优化计算图，并根据目标优化计算图生成目标指令，以使目标硬件载入目标指令执行图像处理任务。通过本发明方法编译得到的目标指令在目标硬件上运行时，既能保证充分利用硬件的性能，还能确保目标指令的高效运行。
神经网络联合编译方法装置电子设备

[发明专利]一种数据处理方法、装置、电子设备及存储介质-CN202211143657.4在审
发明人：贾学文;彭飞;邓竹立 -专利权人：五八有限公司
申请日： 2022-09-20 - 公布日： 2022-12-30 - 主分类号： G06F8/20 文献下载
摘要：在编译该模型的过程中的编译准备阶段中分别执行各个准备步骤的过程分别耗费的第一执行时长中不存在“等待执行在对其他模型编译的过程中的一些步骤耗费的时长”，如此，可以更准确地统计出在编译该模型的过程中的编译准备阶段中耗费的第一耗费时长在编译该模型的过程中的静态库创建阶段中分别执行各个创建步骤的过程分别耗费的第二执行时长中不存在“等待执行在对其他模型编译的过程中的一些步骤耗费的时长”。可以更准确地统计出在编译该模型的过程中的静态库创建阶段中耗费的第二耗费时长。综上，可以提高统计的在编译该模型的过程中耗费的总时长的准确度。
一种数据处理方法装置电子设备存储介质

[发明专利]编译神经网络模型的方法和装置-CN201980102747.9在审
发明人：柯继伟 -专利权人：华为技术有限公司
申请日： 2019-12-20 - 公布日： 2022-07-12 - 主分类号： G06N3/02 文献下载
摘要：人工智能领域编译神经网络模型的方法和相关装置。该编译神经网络模型的方法中，获取神经网络的第一模型文件，所述第一模型文件中包括第一信息，所述第一信息用于指示所述神经网络中目标层的输出的张量大小(S610)；根据所述第一模型文件中的所述第一信息，对所述第一模型文件进行编译，以得到所述神经网络的第二模型文件(S620)。该方法可以减少用户提供待编译模型文件的工作量以及提高神经网络模型的编译效率。
编译神经网络模型方法装置

[发明专利]神经结构搜索模型的训练方法、装置及电子设备-CN202211447618.3在审
发明人：张恒 -专利权人：上海玄戒技术有限公司
申请日： 2022-11-18 - 公布日： 2023-06-27 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了神经结构搜索模型的训练方法及装置、电子设备和存储介质，主要技术方案包括：将不同参数组合的神经网络元结构输入神经结构搜索模型，编译器模型包含多种编译器的硬件配置；获取神经网络元结构加载至编译器模型，确定不同的编译器硬件配置推理不同参数组合的神经网络元结构的推理时间，并获得神经网络元结构与推理时间的关联数据；根据神经网络元结构与推理时间的关联数据对神经结构搜索模型进行训练，以得到目标神经结构搜索模型本申请在神经结构搜索模型中引入编译器模型，确定编译器模型中不同硬件配置编译器推理神经网络元结构的推理时间，更准确的获得神经网络元结构和推理速度(推理时间)之间的关系。
神经结构搜索模型训练方法装置电子设备

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条