“缓存计算”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1573004个，建议您升级VIP下载更多相关专利

[发明专利]数据共享方法、高速缓存模块和系统、中央处理器-CN202310361870.0在审
发明人：胡泰龙 -专利权人：长沙景嘉微电子股份有限公司;长沙景美集成电路设计有限公司
申请日： 2023-04-06 - 公布日： 2023-08-01 - 主分类号： G06F16/176 文献下载
摘要：本申请提供一种数据共享方法、高速缓存模块和系统、中央处理器，该高速缓存模块对应一个计算核；计算核位于多核计算单元中，多核计算单元还包括至少一个其他计算核；且高速缓存模块包括：本地缓存区域，全局缓存区域和本地存储区域；所述高速缓存模块包括：本地缓存区域，全局缓存区域和本地存储区域；本地缓存区域，用于缓存其他计算核的数据；全局缓存区域，用于缓存主存的数据；本地存储区域，用于存储对应的计算核的存储数据。本申请的高速缓存模块增加了本地缓存区域和本地存储区域实现了计算核本地存储数据的缓存，提高了计算核本地数据的访问效率。
数据共享方法高速缓存模块系统中央处理器

[发明专利]计算集群的性能优化方法、系统、设备及存储介质-CN202310085753.6在审
发明人：李舒 -专利权人：阿里巴巴（中国）有限公司
申请日： 2023-01-11 - 公布日： 2023-04-25 - 主分类号： G06F3/06 文献下载
摘要：本申请实施例提供一种计算集群的性能优化方法、系统、设备及存储介质。提出了一种计算集群的读/写缓存方案，在计算集群的各个计算节点上装配缓存设备。在读性能方面，这些装配的缓存设备可组成读缓存集群；且本申请实施例中可基于预设数据标识表来管理读缓存集群，减少数据重复，从而提高计算集群在读缓存集群中的命中率，进而优化计算集群的读性能。在写性能方面，这些装配的缓存设备可分组为至少一个写缓存组，计算节点可直接向其上装备的缓存设备进行本地化写入，而由该缓存设备所处的目标写缓存组接手，对待写数据进行写缓存并写入至存储集群，这可有效缩短计算节点的写入路径，缩短写延迟，进而优化计算集群的写性能。
计算集群性能优化方法系统设备存储介质

[发明专利]一种缓存管理方法与装置-CN201910736101.8有效
发明人：胡叶 -专利权人：苏州浪潮智能科技有限公司
申请日： 2019-08-09 - 公布日： 2022-11-22 - 主分类号： G06F16/17 文献下载
摘要：本发明公开了一种缓存管理方法与装置包括：根据所有计算节点的数据集的现有缓存数据生成缓存记录文件并确定各计算节点的缓存策略；响应于本地计算节点接收到训练任务而根据缓存记录文件确定训练任务所需的数据集是否存储于任一计算节点；响应于本地计算节点满足缓存策略要求，而下载训练任务所需的数据集；响应于本地计算节点不满足缓存策略要求，而基于缓存记录文件删除现有缓存数据并重新确定本地计算节点是否满足缓存策略要求。本发明能够管理不同训练数据的缓存，根据实际场景需要来选择性地下载和删除，节省训练数据的下载时间并保证计算节点磁盘存储的可用性。
一种缓存管理方法装置

[发明专利]一种智能家居场景下基于缓存辅助的计算卸载方法-CN202210607144.8有效
发明人：宋巧凤;王珺;刘家豪 -专利权人：南京邮电大学
申请日： 2022-05-31 - 公布日： 2023-09-08 - 主分类号： G06F9/445 文献下载
摘要：本发明提供了一种智能家居场景下基于缓存辅助的计算卸载方法，包括：建立本地边缘服务器、异地边缘服务器和中心云服务器的服务系统，建立计算卸载模型；查看每一终端设备缓存信息表，判断当前任务的计算结果是否已经缓存，若未缓存，计算当前任务计算结果的缓存价值，依据排序确定是否缓存该任务的计算结果，将未缓存计算结果的任务划分为若干子任务；查看本地边缘服务器的缓存信息表，判断当前子任务的相关数据是否已经缓存，若未缓存，计算当前子任务的缓存价值，依据排序确定是否缓存该子任务；本地边缘服务器制定子任务的卸载决策，分别将子任务传输至本地边缘服务器、异地边缘服务器和中心云服务器上计算；任务计算结果反馈回终端设备。
一种智能家居场景基于缓存辅助计算卸载方法

[发明专利]一种基于分布式缓存技术的计算机系统缓存优化清理方法-CN202210509739.X在审
发明人：朱宝德 -专利权人：朱宝德
申请日： 2022-05-11 - 公布日： 2022-08-16 - 主分类号： H04L67/568 文献下载
摘要：一种基于分布式缓存技术的计算机系统缓存优化清理方法，包括计算机缓存数据收集模块、分布式虚拟机资源分配模块、数据排队模块、优化缓存清理模块，计算机缓存数据收集模块包括对计算机需要缓存清理的数据进行收集和统计，通过分布式虚拟机资源分配模块设计需要被缓存清理数据的最佳卸载目标节点方案，数据排队模块，建立排队模型，计算数据缓存清理平均用时，优化缓存清理模块能得到需要缓存清理优化的最佳匹配方案。本发明的有益效果：该发明能结合分布式虚拟机节点，自适应地聚类需要被缓存清理的数据，本地计算机和分布式虚拟机节点协同完成对数据的缓存优化清理，能够显著降低本地计算机的计算负载。
一种基于分布式缓存技术计算机系统优化清理方法

[发明专利]Gaia系统中面向融合计算的数据缓存装置与系统-CN202111201901.3在审
发明人：赵恒泰;赵宇海;王国仁;季航旭;李博扬 -专利权人：东北大学;北京理工大学
申请日： 2021-10-15 - 公布日： 2022-01-14 - 主分类号： G06F16/2455 文献下载
摘要：本发明公开了Gaia系统中面向融合计算的数据缓存装置与系统，是在Gaia系统中修改数据源算子、数据shuffle虚算子、维表关联计算算子进行实现，涉及分布式大数据处理技术领域。具体包括：Gaia系统中面向融合计算的全量缓存装置和增量缓存装置、以及由若干全量缓存装置构成的分布式缓存系统、由若干增量缓存装置构成的分布式缓存系统和由若干全量缓存装置与增量缓存装置混合构成的分布式缓存系统每一个装置和系统的应用都将提高Gaia计算系统的缓存扩展能力，扩充整个Gaia计算系统所能缓存的批数据规模上限，进而提高系统所支持的缓存数据上限，提升Gaia系统单位时间内的混合计算效率，降低批数据查询延迟，更有利于处理海量数据的计算。
gaia 系统面向融合计算数据缓存装置

[发明专利]重置缓存器方法以及重置缓存器电路-CN201010575351.7无效
发明人：蔡圣源 -专利权人：英业达股份有限公司
申请日： 2010-11-30 - 公布日： 2012-05-30 - 主分类号： G06F1/24 文献下载
摘要：本发明提供一种重置缓存器方法以及重置缓存器电路。重置缓存器方法包含以下步骤：开启一计算机。其中，计算机包含至少一缓存器。供电至至少一缓存器。判断计算机是否开机成功。在判定计算机开机失败时，将至少一缓存器持续接地大于一预设接地时间，以重置至少一缓存器。将至少一缓存器持续接地大于预设接地时间后，重新供电至至少一缓存器，并重新启动计算机。
重置缓存方法以及电路

[发明专利]一种梯度计算、缓存装置和节约资源的代价计算方法-CN202310544020.4在审
发明人：李可;董平成 -专利权人：深圳聚源视芯科技有限公司
申请日： 2023-05-12 - 公布日： 2023-08-08 - 主分类号： G06T1/60 文献下载
摘要：本发明公开了一种梯度计算、缓存装置和节约资源的代价计算方法，装置包括若干行缓存和窗口缓存；窗口缓存包括排布成行列的若干寄存器，每一行缓存对应一行寄存器；首个行缓存的输入数据为左目或右目的灰度图，两个灰度图的行缓存长度不同；其他每一行缓存的输入数据基于上一行缓存的一个寄存器确定；窗口缓存中A列寄存器用于梯度计算，A列寄存器组成B个梯度计算模块，每一梯度计算模块包括连续的若干行寄存器，A和B基于窗口大小确定；各梯度计算模块分别对应的一行寄存器包含梯度信息，用于计算匹配代价。本发明通过设置多个梯度计算模块，避免缓存大量的梯度信息，解决了目前应用于代价计算的硬件架构会消耗大量的资源和缓存空间的问题。
一种梯度计算缓存装置节约资源代价计算方法

[发明专利]计算系统及数据处理系统-CN202310231586.1在审
发明人：李舒 -专利权人：阿里巴巴（中国）有限公司
申请日： 2023-03-03 - 公布日： 2023-07-11 - 主分类号： G06F12/0817 文献下载
摘要：本公开涉及一种计算系统及数据处理系统。数据处理系统包括分布式计算系统、分布式存储系统以及分布式缓存系统。分布式缓存系统的缓存节点可以关联到分布式计算系统的计算节点。计算系统包括作为计算节点的计算设备和连接到计算设备作为缓存节点的缓存管理部件。缓存管理部件管理来自数据存储系统的读缓存数据和/或要写入到数据存储系统的写缓存数据。其中，计算设备包括网卡，网卡从外部接收数据和/或向外部发送数据判断接收数据的目的地是计算设备还是缓存管理部件，并将接收数据传送到所判定的目的地。由此，通过对缓存方案进行调整，能够进一步改善分布式数据处理系统的综合效能。
计算系统数据处理系统

[发明专利]一种基于NAND闪存的低功耗神经网络加速器存储架构-CN202110349392.2有效
发明人：姜小波;邓晗珂;莫志杰 -专利权人：华南理工大学
申请日： 2021-03-31 - 公布日： 2023-03-21 - 主分类号： G06N3/063 文献下载
摘要：本发明提供了一种基于NAND闪存的低功耗神经网络加速器存储架构，其特征在于：包括片外NAND闪存存储单元、神经网络计算电路、内部全局缓存和控制器；内部全局缓存包括权重缓存、输入缓存、中间结果缓存和输出缓存；当进行神经网络计算时，控制器读取片外NAND闪存存储单元的权重数据，并将载入到权重缓存中；将输入数据载入到输入缓存中；神经网络计算电路载入权重缓存存储的权重数据与输入缓存存储的输入数据，之后进行运算，神经网络计算电路的中间计算结果缓存到中间结果缓存中，最后运算结果缓存到输出缓存中，再将最后运算结果进行输出。该架构可满足深度学习算法在端侧设备完成推理任务的计算需求，功耗低，具有断电保护作用。
一种基于 nand 闪存功耗神经网络加速器存储架构

[发明专利]基于运算资源共享的智能电视交互业务运算系统及方法-CN201910744246.2有效
发明人：李亮;章化冰;朱津津;范美琴;薛露娜;王瑀标 -专利权人：浙江传媒学院
申请日： 2019-08-13 - 公布日： 2021-11-09 - 主分类号： H04N21/433 文献下载
摘要：本发明公开了一种基于运算资源共享的智能电视交互业务运算系统及方法，该系统包括缓存服务模块、缓存发现模块、合同控制模块、计算模块、计算资源叠加模块和交互预处理模块。本发明利用数据缓存共享感知的技术，按照时间顺序优先选择缓存中的数据进行计算业务共享，减少在计算资源共享中的总体计算量，提高计算效率。本发明利用分布式协同缓存机制，通过计算业务块的编号为依据协同缓存降低缓存的冗余度，优化计算缓存共享方案。
基于运算资源共享智能电视交互业务系统方法

[发明专利]稀疏神经网络架构及其实现方法-CN201710761177.7有效
发明人：尹首一;李宁;欧阳鹏;刘雷波;魏少军 -专利权人：清华大学
申请日： 2017-08-30 - 公布日： 2020-07-03 - 主分类号： G06N3/063 文献下载
摘要：一种稀疏神经网络架构及其实现方法，该稀疏神经网络架构包括：外存控制器，权重缓存器，输入缓存器，输出缓存器，输入缓存控制器及计算阵列；计算阵列包括多个计算单元，计算阵列中的每行可重构计算单元共享输入缓存器中的部分输入，计算每列可重构计算单元共享权重缓存器中的部分权重；输入缓存控制器对输入缓存器的输入进行稀疏运算，去除输入中的零值；外存控制器存储计算阵列处理前及处理后的数据。本发明可以减少甚至消除输入为零时的无效计算，使各计算单元之间的计算量达到均衡，提高了硬件资源利用率同时保证了最低计算时延。
稀疏神经网络架构及其实现方法

[发明专利]一种AI计算阵列分布式缓存的方法、系统、设备及介质-CN202010094527.0在审
发明人：李拓 -专利权人：苏州浪潮智能科技有限公司
申请日： 2020-02-16 - 公布日： 2020-06-26 - 主分类号： G06F16/172 文献下载
摘要：本发明公开了一种AI计算阵列分布式缓存的方法、系统、设备和存储介质，方法包括以下步骤：将计算阵列中用于缓存的计算单元按照顺序连接以形成环状结构；响应于接收到缓存请求，判断缓存请求是读请求还是写请求；响应于缓存请求是写请求，将待写入的数据根据计算单元的缓存大小划分成多行，并按照顺序依次将每行数据写入环状结构中对应的计算单元；以及响应于缓存请求是读请求，将读请求按照环状结构的顺序从当前计算单元发送到目标计算单元。本发明提出的AI计算阵列分布式缓存的方法、系统、设备及介质通过环状结构的计算单元缓存读写请求，只需要按照顺序分发即可，在简化操作的情况下保持比较好的效率。
一种 ai 计算阵列分布式缓存方法系统设备介质

[发明专利]基于磁性缓存的存内计算电路芯片和计算装置-CN202110804760.8在审
发明人：吴强;常亮;司鑫;陈亮;沈朝晖 -专利权人：南京后摩智能科技有限公司
申请日： 2021-07-16 - 公布日： 2021-10-22 - 主分类号： G11C11/16 文献下载
摘要：本公开实施例公开了一种基于磁性缓存的存内计算电路，其中，该电路包括：至少一个磁性缓存单元、至少一个存内计算单元、定时器；其中，至少一个磁性缓存单元中的磁性缓存单元，用于在对应的数据保持时间内，缓存对应的存内计算单元输出的数据作为待处理数据；定时器，用于对至少一个磁性缓存单元分别设定数据保持时间；至少一个存内计算单元中的存内计算单元，用于从对应的磁性缓存单元提取待处理数据进行计算，并向其他磁性缓存单元输出计算后的数据。本公开实施例实现了灵活地调整各种存内计算场景下磁性缓存单元的数据保持时间，实现了较低功耗下为存内计算所需的数据提供较高容量的缓存。
基于磁性缓存计算电路芯片装置

[发明专利]一种基于FPGA的通用卷积神经网络加速器-CN201810413101.X在审
发明人：陆生礼;泮雯雯;庞伟;范雪梅;李宇峰;杨文韬 -专利权人：东南大学;东南大学—无锡集成电路技术研究所
申请日： 2018-05-03 - 公布日： 2018-11-13 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于FPGA的通用卷积神经网络加速器，包括MCU、AXI4总线接口、地址生成器、状态控制器、特征图缓存区、卷积核缓存区、卷积计算器以及分段式结果缓存区。卷积加速器采用FPGA实现，并包含N个卷积计算子单元，特征图缓存区和卷积核缓存区分别包含N个特征图子缓存区和N个卷积核子缓存区，每一个卷积计算子单元对应配置一个特征图子缓存区和一个卷积核子缓存区。卷积计算器读取特征图缓存区和卷积核缓存区中的数据进行卷积计算，并将相邻卷积计算子单元的计算结果进行多级累加，分段式结果缓存区用于存放卷积计算器输出的各级累加结果。
缓存区卷积特征图卷积计算计算器加速器卷积核子单元卷积神经网络结果缓存区分段式子缓存核子神经网络结构读取地址生成器状态控制器累加结果片上存储通信开销资源需求总线接口通用累加输出配置

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