“深度模型”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1075939个，建议您升级VIP下载更多相关专利

[发明专利]模型蒸馏方法、设备、存储介质及装置-CN202111607791.0在审
发明人：李艳杰 -专利权人：北京奇虎科技有限公司
申请日： 2021-12-23 - 公布日： 2023-06-30 - 主分类号： G06N3/096 文献下载
摘要：本发明涉及网络模型技术领域，公开了一种模型蒸馏方法、设备、存储介质及装置，该方法包括：对第一深度学习模型和第二深度学习模型进行训练，获得第一深度学习模型输出的第一分类结果和第二深度学习模型输出的第二分类结果，第一深度学习模型的精度高于第二深度学习模型，根据第一分类结果和第二分类结果确定第一深度学习模型与第二深度学习模型之间的交叉熵损失函数，根据交叉熵损失函数调整第二深度学习模型，以提高第二深度学习模型的精度；由于本发明通过第一深度学习模型与第二深度学习模型之间的交叉熵损失函数来调整第二深度学习模型，从而确保了模型蒸馏效果，进而提高了第二深度学习模型的精度。
模型蒸馏方法设备存储介质装置

[发明专利]模型量化方法及其装置-CN202310324730.6在审
发明人：金均生;李盼;王景森;赵磊;刘明华;李健;齐浩;林战刚;胡景贺 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2023-03-29 - 公布日： 2023-07-11 - 主分类号： G06N20/00 文献下载
摘要：本申请提出了一种模型量化方法及其装置，涉及数据处理技术领域。该方法包括：获取待量化的源深度学习模型和源深度学习模型的第一模型格式；获取量化后目标深度学习模型所支持的第二模型格式，并在第一模型格式与第二模型格式不一致时，对源深度学习模型进行格式转换，以获取第二模型格式下的第一候选深度学习模型；对第一候选深度学习模型的模型参数进行量化处理，以获取第二候选深度学习模型；对第二候选深度学习模型进行轻量级推理转换，以获取量化后的目标深度学习模型。本申请可以提高模型量化的通用性，适用于多深度学习训练框架生成的不同模型格式的深度学习模型，可以平衡深度学习模型的量化效率以及量化精度，减少内存占用和参数更新。
模型量化方法及其装置

[发明专利]一种深度学习模型检测方法、装置、设备及存储介质-CN202110466770.5在审
发明人：李亿;练韵文;戴宗宏 -专利权人：华为云计算技术有限公司
申请日： 2021-04-28 - 公布日： 2022-10-28 - 主分类号： G06F16/245 文献下载
摘要：本申请提供了一种深度学习模型检测方法。深度学习模型检测装置根据待检测深度学习模型的目标网络结构，从一个或者多个候选深度学习模型中查找目标深度学习模型，其中，该目标深度学习模型的网络结构与待检测深度学习模型的目标网络结构相匹配；深度学习模型检测装置输出查找结果由于获取待检测深度学习模型的目标网络结构的难度通常较低，因此，相对于根据深度学习模型的实现算法确定深度学习模型之间是否相同或相似的实现方式而言，根据深度学习模型的网络结构查找目标深度学习模型的方式，可以有效降低检测难度，根据网络结构进行模型检测的准确率也可以达到较高水平。
一种深度学习模型检测方法装置设备存储介质

[发明专利]深度学习模型的适配方法、装置及电子设备-CN202010601781.5有效
发明人：吴拓邦;施恩;谢永康;陈晓宇;张亮伙;刘杰;徐彬彬 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-29 - 公布日： 2023-09-01 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种深度学习模型的适配方法、装置、电子设备及介质，涉及人工智能、深度学习、云计算技术领域。具体实现方案为：在获取到原始深度学习模型的模型信息，以及需适配的目标硬件的硬件信息后，根据模型信息和硬件信息，查询转换路径表，以得到匹配的目标转换路径，根据目标转换路径，将原始深度学习模型转换为转换路径中的中间深度学习模型，以及将中间深度学习模型转换至目标深度学习模型。由此，基于原始深度学习模型的模型信息和目标硬件的硬件信息确定的模型转换路径，进行深度学习模型的转换，实现了将任意类型的原始深度学习模型转换为适配于任意目标硬件的目标深度学习模型，解决了深度学习模型难以适用于不同硬件终端的问题
深度学习模型配方装置电子设备

[发明专利]深度学习模型目录创建-CN202010342656.7在审
发明人： S.哈尔;S.G.塔米尔赛尔凡;A.桑卡兰;N.潘沃尔;R.R.阿拉里卡特;S.K.K.马尼 -专利权人：国际商业机器公司
申请日： 2020-04-27 - 公布日： 2020-11-06 - 主分类号： G06N20/00 文献下载
摘要：一个实施例提供了一种方法，包括：从多个输入源挖掘多个深度学习模型；通过解析(i)对应于深度学习模型的代码和(ii)对应于深度学习模型的文本中的至少一个，从深度学习模型中的每一个提取信息；对于深度学习模型中的每一个，识别在深度学习模型内执行操作的操作器；对于深度学习模型中的每一个并且从(i)提取的信息和(ii)识别的操作符产生包括深度学习模型的术语和特征的本体，其中该产生包括用每个深度学习模型的特征填充预定义的本体格式；以及生成包括多个深度学习模型的深度学习模型目录，其中对于深度学习模型中的每一个，目录包括对应于深度学习模型的本体。
深度学习模型目录创建

[发明专利]一种基于本征特征迁移的深度模型压缩方法-CN201911276620.7有效
发明人：张金霞;魏海坤;张侃健 -专利权人：东南大学
申请日： 2019-12-13 - 公布日： 2023-07-18 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于本征特征迁移的深度模型压缩方法，所述方法包括以下步骤：基于奇异值分解方法，将老师深度模型中的一组特征图进行分解，提取老师深度模型中的本征特征图组；将学生深度模型中的一组特征图与老师深度模型中的本征特征图组进行对齐；基于奇异值计算各本征特征图的权重；通过最小化学生深度模型中特征图组和老师深度模型中本征特征图组的加权差值，将老师深度模型中的本征特征迁移给学生深度模型，从而提高学生深度模型的性能。本发明提取老师深度模型中最本质的本征特征图，并有效迁移给学生深度模型，有助于提高深度模型压缩的精度，获得高性能的学生深度模型。
一种基于特征迁移深度模型压缩方法

[发明专利]深度学习模型构建方法、装置、电子设备及存储介质-CN202110409806.6有效
发明人：王小东;周智杰;吕文勇;刘洪江;廖浩 -专利权人：成都新希望金融信息有限公司
申请日： 2021-04-15 - 公布日： 2022-12-16 - 主分类号： G06F3/0484 文献下载
摘要：本申请提供一种深度学习模型构建方法、装置、电子设备及存储介质，涉及深度学习技术领域。该方法包括：确定深度学习模型的框架类型；基于对深度学习模型的多个操作组件的操作指令生成有向无环图；基于所述有向无环图和所述框架类型生成指定深度学习模型；根据所述指定深度学习模型的模型结构对所述指定深度学习模型进行训练通过深度学习模型的操作组件配置，可以自动生成深度学习模型代码，并配置化进行模型训练，提高深度学习模型的开发效率，进一步降低深度学习模型开发的门槛。
深度学习模型构建方法装置电子设备存储介质

[发明专利]模型的训练方法、处理器和存储装置-CN201910578052.X在审
发明人：刘若鹏;栾琳;季春霖;刘康 -专利权人：杭州光启人工智能研究院
申请日： 2019-06-28 - 公布日： 2020-12-29 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种模型的训练方法，获取初始样本作为当前样本，并获取预设的深度网络模型作为第一深度网络模型后，利用第一深度网络模型对当前样本进行数据清洗，基于数据清洗后的样本训练第二深度网络模型，分别计算两个模型的识别精度，若第一深度网络模型的识别精度不高于第二深度网络模型的识别精度，将第二深度网络模型作为第一深度网络模型，并将数据清洗后的样本作为当前样本，返回执行前述数据清洗，直到第一深度网络模型的识别精度高于第二深度网络模型的识别精度，然后输出第一深度网络模型。通过对样本反复进行数据清洗，本发明提高了深度网络模型的样本的数据质量，从而提高输出的深度网络模型的识别精度。
模型训练方法处理器存储装置

[发明专利]生成深度学习模型的方法、装置、电子设备及存储介质-CN202210563774.X在审
发明人：周祥明;殷俊;黄鹏;吴立 -专利权人：浙江大华技术股份有限公司
申请日： 2022-05-23 - 公布日： 2022-09-20 - 主分类号： G06N3/08 文献下载
摘要：本申请提供一种生成深度学习模型的方法、装置、电子设备及存储介质，涉及计算机技术领域，方法包括：获取模型需求信息，该模型需求信息至少包括模型需求算力和模型任务；基于模型组件库中的多个模型组件，构建与模型需求算力匹配的N个深度学习模型架构，每个深度学习模型框架包括至少一个模型组件，N为大于0的整数；基于模型任务和N个深度学习模型架构，获得N个初始深度学习模型；基于N个初始深度学习模型，获得目标深度学习模型。本申请提高了深度学习模型的生成效率，便于高效地将深度学习模型投入线上使用。
生成深度学习模型方法装置电子设备存储介质

[发明专利]基于自适应深度学习的复杂工业系统智能预报方法、装置、设备及存储介质-CN202011435304.2有效
发明人：柴天佑;高愫婷 -专利权人：东北大学
申请日： 2020-12-10 - 公布日： 2022-03-25 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种基于自适应深度学习的复杂工业系统智能预报方法、装置、设备及存储介质。复杂工业系统智能预报方法包括：建立复杂工业系统的动态模型；利用所述动态模型建立离线深度学习预报模型；利用所述离线深度学习预报模型建立在线深度学习预报模型；采用与所述在线深度学习预报模型相同的结构建立深度学习校正模型；利用所述深度学习校正模型校正所述在线深度学习预报模型；其中，所述在线深度学习预报模型用于对所述复杂工业系统的参数进行实时预报。针对复杂工业系统预报精度较低及预报实时性差的问题，建立了包括离线深度学习预报模型、在线深度学习预报模型、深度学习校正模型及自校正的机制，实现了复杂工业系统的精确实时预报。
基于自适应深度学习复杂工业系统智能预报方法装置设备存储介质

[发明专利]用于确定图像的深度图的方法和装置-CN201680035553.8有效
发明人： C.瓦雷坎普;P.L.E.范德瓦尔勒 -专利权人：皇家飞利浦有限公司
申请日： 2016-06-15 - 公布日： 2022-04-12 - 主分类号： G06T5/20 文献下载
摘要：一种装置接收图像以及包括输入深度值的相关联深度图。轮廓检测器（405）检测图像中的轮廓。模型处理器（407）通过将深度模型拟合至针对轮廓的输入深度值而生成针对轮廓的轮廓深度模型。深度值确定器（409）从所述轮廓深度模型针对所述轮廓的至少一个像素确定深度模型深度值。所述深度模型例如可以对应于单个深度值，所述单个深度值例如可以被设置为最大输入深度值。修改器（411）通过修改所述相关联深度图的深度值而从所述相关联深度图生成经修改的深度图。这包括响应于所述深度模型深度值而针对所述经修改的深度图中的像素生成经修改的深度值。所述深度模型深度值例如可以替代所述像素的输入深度值。
用于确定图像深度方法装置

[发明专利]深度学习模型的模型转换优化装置、方法及可读存储介质-CN202010845217.8在审
发明人：林子甄;孙国钦;卢志德;蔡东佐;杨荣浩;吴宗祐;李宛真 -专利权人：富泰华工业（深圳）有限公司;鸿海精密工业股份有限公司
申请日： 2020-08-20 - 公布日： 2022-02-22 - 主分类号： G06N3/04 文献下载
摘要：一种深度学习模型的模型转换优化装置、方法及计算机可读存储介质，所述方法包括：对第一深度学习模型进行模型转换得到第二深度学习模型；根据第一、第二深度学习模型的深度学习框架分别得到该两个模型的权重排列方式；对第一、第二深度学习模型进行模型量化；基于第一、第二深度学习模型的权重排列方式与模型量化结果分析得到该两个模型的权重相似度，以构建权重分析报告；根据预设测试集对第一、第二深度学习模型进行测试，以构建模型性能估测报告；根据权重、模型性能报告得到第二深度学习模型的优化建议；及利用优化后的第二深度学习模型对待处理数据进行处理。本发明可实现对模型转换之前和之后进行深入分析，避免出现模型转换后性能不佳。
深度学习模型转换优化装置方法可读存储介质

[发明专利]深度学习模型的模型训练方法、装置、设备及存储介质-CN202210107268.X在审
发明人：黄永锋 -专利权人：深圳市优必选科技股份有限公司
申请日： 2022-01-28 - 公布日： 2022-05-13 - 主分类号： G06K9/62 文献下载
摘要：本申请适用于人工智能技术领域，提供了一种深度学习模型的模型训练方法、装置、设备及存储介质，包括：在模型训练阶段，采用训练数据对第一浮点型深度学习模型进行预训练，获得预训练后的第二浮点型深度学习模型，并将第二浮点型深度学习模型转换为整数型深度学习模型；在模型测试阶段，采用测试数据对整数型深度学习模型进行模型测试，根据测试结果判断整数型深度学习模型是否满足模型收敛状态条件；若满足，将整数型深度学习模型部署到嵌入式系统中使用，否则，返回模型训练阶段，采用训练数据对第二浮点型深度学习模型进行下一轮的预训练，直至获得满足模型收敛状态条件的整数型深度学习模型为止。该方法可以提高模型训练的准确率。
深度学习模型训练方法装置设备存储介质

[发明专利]一种快速训练深度学习模型的方法及系统-CN201811299727.9在审
发明人：赵铭;林镇锋;易文峰;杨育;杨正刚;李小芬;徐文娟 -专利权人：深圳市康拓普信息技术有限公司
申请日： 2018-10-25 - 公布日： 2019-03-15 - 主分类号： G06N3/04 文献下载
摘要：一种快速训练深度学习模型的方法及系统；所述快速训练深度学习模型的方法包括以下步骤：步骤S1、准备深度学习模型以及与特定应用有关的训练数据；步骤S2、采用训练数据来训练深度学习模型，从而得到与特定应用有关的深度学习模型参数；步骤S3、结合深度学习模型参数和深度学习模型来生成特定应用预测模型。本发明的快速训练深度学习模型的方法及系统设计巧妙，实用性强。
快速训练学习模型参数训练数据应用系统设计预测模型

[发明专利]深度卷积神经网络模型改进方法及系统及装置及介质-CN202110839305.1在审
发明人：不公告发明人 -专利权人：成都数联云算科技有限公司
申请日： 2021-07-23 - 公布日： 2021-10-01 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了深度卷积神经网络模型改进方法及系统及装置及介质，涉及深度卷积神经网络模型领域，包括步骤：对第一深度卷积神经网络模型进行轻量化处理获得第二深度卷积神经网络模型；对所述第二深度卷积神经网络模型进行剪枝处理，获得第三深度卷积神经网络模型；将所述第三深度卷积神经网络模型作为第一学生模型以及将所述第二深度卷积神经网络模型作为第一教师模型，进行知识蒸馏，得到第四深度卷积神经网络模型；将所述第四深度卷积神经网络模型的参数精度降低，通过本发明中的技术方案能够设计出即能够满足终端设备上的应用约束，又能够保障模型精度的深度卷积神经网络模型，并且本发明中的模型轻量化改进效果较佳。
深度卷积神经网络模型改进方法系统装置介质

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