“模型压缩”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1430302个，建议您升级VIP下载更多相关专利

[发明专利]一种机器学习模型的部署方法、系统和可读存储介质-CN202211576533.5在审
发明人：殷俊;韩建强;陈波扬;吴立;周祥明 -专利权人：浙江大华技术股份有限公司
申请日： 2022-12-08 - 公布日： 2023-03-21 - 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部署方法、系统和可读存储介质，该机器学习模型的部署方法包括：从人工智能开放平台获取机器学习模型，基于机器学习模型的权重数据的分布情况对机器学习模型的权重数据进行压缩，得到压缩后的机器学习模型；将压缩后的机器学习模型发送至待部署的嵌入式设备，以使得嵌入式设备接收压缩后的机器学习模型，将压缩后的机器学习模型的权重数据转换成与压缩前的机器学习模型的权重数据的值域相同的浮点数，并对浮点数进行运算，以完成机器学习模型在嵌入式设备上的轻量级部署。通过上述方式，本申请能够提高机器学习模型的轻量级部署效率。
一种机器学习模型部署方法系统可读存储介质

[发明专利]姿态检测方法、装置、设备及存储介质-CN201811426838.1有效
发明人：项伟;王毅峰;黄秋实 -专利权人：广州市百果园信息技术有限公司
申请日： 2018-11-27 - 公布日： 2023-10-17 - 主分类号： G06N3/0464 文献下载
摘要：该方法包括：确定待压缩神经网络模型各卷积层中卷积核的重要度；根据最小重要度的卷积核对待压缩神经网络模型剪枝，得到神经网络模型；判断神经网络模型是否符合压缩终止条件；若所述神经网络模型符合压缩终止条件，则将所述神经网络模型作为目标深度神经网络；若所述神经网络模型不符合压缩终止条件，则重复将所述神经网络模型作为待压缩神经网络模型剪枝的操作。利用该方法，有效提高了深度神经网络模型在嵌入式平台上的运行效率，同时也精简了深度神经网络模型的存储空间，进而也提高了依赖深度神经网络模型的应用产品的用户体验。
姿态检测方法装置设备存储介质

[发明专利]一种训练方法、训练装置及存储介质-CN202080003605.X在审
发明人：牟勤;洪伟;赵中原;王屹东;熊可欣 -专利权人：北京小米移动软件有限公司;北京邮电大学
申请日： 2020-11-23 - 公布日： 2022-07-26 - 主分类号： G06N3/00 文献下载
摘要：其中，训练方法包括：响应于接收到模型训练请求，训练第一训练模型，其中，所述模型训练请求中包括模型压缩参数；基于所述第一训练模型和所述模型压缩参数，得到所述第一训练模型的第一压缩模型。使得压缩模型可以与训练模型具有相同的效果，从而减少在传输模型是的信令开销，并且可以保证模型的精度和可靠性，并且进一步保证了用户信息的安全性。
一种训练方法装置存储介质

[发明专利]卷积神经网络压缩方法、装置及电子设备-CN202111645899.9在审
发明人：李心慧;石柱国;李凡平 -专利权人：以萨技术股份有限公司
申请日： 2021-12-30 - 公布日： 2022-04-12 - 主分类号： G06N3/063 文献下载
摘要：本发明提供了一种卷积神经网络压缩方法、装置及电子设备，该方法包括：获取目标应用场景的目标训练样本集；采用方差缩放方法初始化待压缩神经网络模型的权重，得到待压缩神经网络模型的初始权重向量；以预设稀疏度作为约束条件，确定初始权重向量对应的权重优化向量，并根据权重优化向量计算待压缩神经网络模型中所有连接的灵敏度；根据预设稀疏度和灵敏度对待压缩神经网络模型进行剪枝，得到稀疏神经网络模型；使用目标训练样本集训练稀疏神经网络模型，直至得到训练完成的目标神经网络模型。本发明可以在保证压缩后模型的准确性的同时提高模型压缩的效率。
卷积神经网络压缩方法装置电子设备

[发明专利]一种模型数据压缩方法、系统及相关设备-CN202010961326.6有效
发明人：夏文;刘洋;张伟哲;胡甄博;邹翔宇 -专利权人：哈尔滨工业大学（深圳）
申请日： 2020-09-14 - 公布日： 2023-03-31 - 主分类号： H03M7/30 文献下载
摘要：本发明实施例提供了一种模型数据压缩方法、系统及相关设备，用于节约网络传输资源，提高模型数据压缩率。本发明实施例方法包括：计算目标模型与参考模型中的同种类型参数之间的差量数据；采用预设压缩算法对所述差量数据进行压缩得到目标压缩文件；将所述目标压缩文件发送给目标终端设备，以使得所述目标终端设备根据所述差量数据以及本地存储的所述参考模型恢复所述目标模型
一种模型数据压缩方法系统相关设备

[发明专利]支持压缩及解压缩的神经网络运算装置及方法-CN201811188905.0有效
发明人：不公告发明人 -专利权人：上海寒武纪信息科技有限公司
申请日： 2018-10-12 - 公布日： 2022-11-29 - 主分类号： G06N3/063 文献下载
摘要：本公开涉及一种支持压缩及解压缩的神经网络运算装置及方法，所述装置包括：参数压缩单元，确定神经网络模型的待压缩参数，并利用编码器对待压缩参数进行压缩处理，获得与神经网络模型对应的语义向量；参数存储单元，存储与神经网络模型对应的语义向量，向参数解压缩单元或运算单元发送所述语义向量；参数解压缩单元，对语义向量进行解压缩处理，获得神经网络模型的解压缩参数，并向运算单元发送解压缩参数；及运算单元，用于进行与神经网络模型相关联的运算。本公开可以对待压缩参数进行压缩，从而有效减少神经网络的模型大小、降低了对内存的需求，从而有效提高了神经网络的数据处理速度。
支持压缩解压缩神经网络运算装置方法

[发明专利]一种基于机理与数据融合的压缩空气储能系统仿真方法-CN202310297682.6在审
发明人：钟晶亮;文贤馗;李枝林;邓彤天;王锁斌;李翔;周科;杨安黔;张世海;吴超;熊军超 -专利权人：贵州电网有限责任公司
申请日： 2023-03-24 - 公布日： 2023-08-01 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于机理与数据融合的压缩空气储能系统仿真方法包括：压缩空气储能系统建模，构建机理模型和数据驱动模型；基于辨识方法及深度学习算法完成压缩空气储能系统模型修正；模拟仿真，完成压缩空气储能系统模型的优化调度本发明提供的基于机理与数据融合的压缩空气储能系统仿真方法通过机理模型与数据驱动模型的有机协同实现压缩空气储能系统的高性能数字仿真。利用该方法，可以建立复杂结构压缩空气储能系统的静动态模型，有效解决压缩空气储能系统某环节结构不明的问题，以及模型快速结算的问题，可为精确性、实时性要求较高的场合提供模型分析工具，实现系统特性分析，为系统结构及运维优化提供有效方法
一种基于机理数据融合压缩空气系统仿真方法

[发明专利]网络模型压缩方法、装置、设备和可读存储介质-CN202211693995.5在审
发明人：周洋;张春;孙昊;卢雪妍;王瑾;杜壮 -专利权人：中移动信息技术有限公司;中国移动通信集团有限公司
申请日： 2022-12-28 - 公布日： 2023-05-09 - 主分类号： G06N3/082 文献下载
摘要：本申请公开了一种网络模型压缩方法、装置、设备和可读存储介质，该方法包括：获取待压缩的网络模型中每个卷积层的权重；在N个网络模型中，分别对第n个网络模型第n层目标卷积层进行预设模型压缩处理，生成N个第一候选网络模型；获取网络模型对预设图像数据的第一识别数据与每个第一候选压缩模型对预设图像数据的第二识别数据之间的余弦相似度信息；根据余弦相似度信息，确定目标压缩网络模型。根据本申请实施例，能够在不需要对原始训练数据进行微调的情况下，对由大量卷积神经网络组成的视觉算法模型进行压缩，并且精度损失非常小。
网络模型压缩方法装置设备可读存储介质

[发明专利]保护隐私的可控轻量化联邦学习方法、系统和检测方法-CN202210057267.9有效
发明人：孙知信;徐玉华;赵学健;孙哲;胡冰;宫婧;汪胡青 -专利权人：南京邮电大学
申请日： 2022-01-19 - 公布日： 2022-05-31 - 主分类号： G06F21/62 文献下载
摘要：本发明公开了保护隐私的可控轻量化联邦学习方法、系统和检测方法，预先设定模型、参数与模型压缩所需的调节因子。子网利用本地数据对初始模型进行训练，并根据调节因子计算本地模型压缩快照。确定最优节点的压缩模型为基准根据快照与设定的通道恢复阈值进行首轮模型聚合与压缩形成全局压缩模型。子网再利用本地数据对全局压缩模型进行训练，对各子网训练的模型再直接聚合，依次迭代直至收敛。
保护隐私可控量化联邦学习方法系统检测方法

[发明专利]基于动态压缩的模型参数调整方法、装置、设备、介质-CN202310571824.3在审
发明人：李泽远;王健宗 -专利权人：平安科技（深圳）有限公司
申请日： 2023-05-19 - 公布日： 2023-07-25 - 主分类号： G06N3/098 文献下载
摘要：本申请实施例提供了一种基于动态压缩的模型参数调整方法、装置、设备、介质，属于人工智能技术领域。该方法包括：获取每个子模型的训练结果，根据训练结果确定每个子模型的贡献率，根据贡献率阈值和贡献率确定目标子模型；根据中央学习参数将目标子模型的压缩参数降低为目标压缩参数；根据目标压缩参数对目标子模型的梯度参数进行量化压缩，得到目标梯度参数；当目标子模型的梯度变化率小于或等于变化率阈值，根据目标梯度参数调整中央模型的目标聚合参数。根据本实施例的技术方案，能够减小贡献率较大的子模型的压缩强度，避免有效信息的丢失，通过调整聚合参数降低模型之间的通信压力，提高模型训练时的数据传输效率。
基于动态压缩模型参数调整方法装置设备介质

[发明专利]视频处理方法、装置及计算机可读存储介质-CN202310080231.7在审
发明人：张煜;张鑫;邵志兢;孙伟 -专利权人：珠海普罗米修斯视觉技术有限公司
申请日： 2023-02-01 - 公布日： 2023-05-16 - 主分类号： G06T13/40 文献下载
摘要：本申请公开了一种视频处理方法、装置及计算机可读存储介质，方法通过获取目标视频的模型压缩数据以及纹理压缩数据；对模型压缩数据进行解压缩，得到模型关键帧以及骨骼动画，并基于模型关键帧与骨骼动画生成模型动画；对纹理压缩数据进行解压缩，得到纹理视频；基于纹理视频对模型动画进行贴图，得到目标视频。以此，本申请提供的视频处理方法，通过将三维视频的多帧模型数据转换为模型关键帧与骨骼动画，从而大大降低需要传输的模型的数据量；在需要对视频进行使用或播放时，可以根据模型关键帧和骨骼动画实现对多帧模型数据的还原
视频处理方法装置计算机可读存储介质

[发明专利]面向嵌入式应用的深度神经网络压缩方法、装置及终端-CN201811510283.9在审
发明人：段秉环;文鹏程;白林亭;程陶然;刘飞阳;邹昌昊 -专利权人：中国航空工业集团公司西安航空计算技术研究所
申请日： 2018-12-11 - 公布日： 2019-04-19 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种面向嵌入式应用的深度神经网络压缩方法，包括：采用第一策略压缩所述深度神经网络，得到压缩后的网络模型；所述压缩后的网络模型中已去除冗余的权重参数，所述深度神经网络由训练样本训练得到；根据所述训练样本，对所述压缩后的网络模型进行训练，得到第一网络模型；采用第二策略压缩所述第一网络模型，得到第二网络模型；根据所述训练样本，对所述第二网络模型进行训练，得到新第一网络模型。
网络模型压缩神经网络训练样本嵌入式应用权重参数冗余去除终端

[发明专利]一种实现三维模型在线快速浏览的方法和系统-CN201610896969.0在审
发明人：刘永辉;曹强;马国军 -专利权人：海尔集团技术研发中心;青岛海日高科模型有限公司;青岛海尔智能技术研发有限公司
申请日： 2016-10-14 - 公布日： 2017-03-15 - 主分类号： G06T19/00 文献下载
摘要：本发明公开了一种实现三维模型在线快速浏览的方法和系统，解决现有三维模型数据加载时间长的技术问题。云平台判断原始三维模型数据的大小是否大于第一阈值；若是，将原始三维模型数据按照第二阈值大小划分为n个子三维模型数据包，分别将n个子三维模型数据包压缩为n个子三维模型数据压缩包，在接收到客户端发送的浏览请求后，将n个子三维模型数据压缩包按顺序发送给客户端；否则，将原始三维模型数据压缩为原始三维模型数据压缩包并发送给客户端。客户端按顺序接收n个子三维模型压缩数据包或原始三维模型压缩包后解压缩并显示，实现客户端的在线浏览，以减小的数据量提高了三维模型数据的传输速度，也就提高了三维模型数据的加载和显示速度。
一种实现三维模型在线快速浏览方法系统

[发明专利]基于不确定性估计知识蒸馏的语言模型压缩方法-CN202210540113.5在审
发明人：董伟生;黄天瑜;毋芳芳;石光明 -专利权人：西安电子科技大学
申请日： 2022-05-17 - 公布日： 2022-07-29 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于不确定性估计知识蒸馏的语言模型压缩方法，主要解决现有网络压缩技术存在的训练成本高、速度慢和知识蒸馏过程存在噪声干扰的问题。其实现方案是：1)对原始语言模型进行对半压缩得到压缩后的神经网络；2)利用原始语言模型合理初始化压缩后神经网络的参数；3)添加前馈网络结构的参数蒸馏损失函数，设计不确定性估计损失函数及自然语言处理任务的交叉熵损失函数；4)利用所设计的损失函数训练压缩后的神经网络模型。本发明降低了网络压缩训练过程的计算量，提高了网络压缩率，加速了网络推理速度，可广泛应用于模型部署、模型压缩任务，为硬件资源紧缺的应用场景提供新的模型压缩解决方案。
基于不确定性估计知识蒸馏语言模型压缩方法

[发明专利]一种离心式压缩机压缩比和多变效率的在线软测量方法-CN200910046606.8无效
发明人：李绍军;赵晶莹;阳治维;李红涛;杨玉和;刘漫丹 -专利权人：华东理工大学
申请日： 2009-02-25 - 公布日： 2009-07-22 - 主分类号： F04B51/00 文献下载
摘要：本发明公开了一种离心式压缩机压缩比和多变效率的在线软测量方法，即选取离心式压缩机转速比和入口流量作为离心压缩机神经网络模型的输入变量；选取反映离心压缩机性能的压缩比和多变效率作为模型的因变量；利用压缩机厂商提供的性能曲线或试验数据作为训练样本，建立离心式压缩机压缩比和多变效率的神经网络模型，即离心压缩机的性能模型。该模型具有较高的建模精度、同时又有很好的预报能力，可对实际工况的离心压缩机进行操作优化。
一种离心压缩机压缩比多变效率在线测量方法