“任智祥”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19个，建议您升级VIP下载更多相关专利

[发明专利]一种分布式数据传输优化方法、系统及相关设备-CN202010941036.5有效
发明人：刘永恒;任智祥;张凡;付志鹏 -专利权人：鹏城实验室
申请日： 2020-09-09 - 公布日： 2023-07-11 - 主分类号： H04L67/10 文献下载
摘要：本发明实施例提供了一种分布式数据传输优化方法、系统及相关设备，用于提高数据传输的效率。本发明实施例方法包括：获取多条训练数据及数据传输策略的超参数空间，每一条所述训练数据包含集群配置的一种数据传输策略及在执行对应的数据传输策略过程中所述集群在单位时间内的网络吞吐量参数，其中，每个初始策略包含一组预设参数字段以及各个预设参数字段的字段值；将所述多条训练数据及数据传输策略的超参数空间代入贝叶斯优化算法模型，计算得到当前训练数据下的最优数据传输策略。
一种分布式数据传输优化方法系统相关设备

[发明专利]一种面向智慧科学的高扩展共享计算平台及方法-CN202211441966.X在审
发明人： 任智祥;任一铭;田永鸿;高文 -专利权人：鹏城实验室
申请日： 2022-11-17 - 公布日： 2023-03-28 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种面向智慧科学的高扩展共享计算平台及方法，包括：发布模块，所述发布模块用于根据用户指令将本地预训练模型参数与预处理数据上传至存储节点，并通过解析模型参数量、使用框架以及关联数据集，生成对应的模型及数据描述文件；执行模块，所述执行模块用于将模型、数据以及计算资源进行结合，执行智慧科学模型的训练推理过程。本发明解决传统并行训练方式训练效率低及无法满足科学大模型的训练与微调的需求的问题，可适用于多个科学领域的神经网络模块的训练。
一种面向智慧科学扩展共享计算平台方法

[发明专利]一种启发式指导的异步历史优化方法及相关设备-CN202211082723.1在审
发明人：任一铭;任智祥;田永鸿;高文 -专利权人：鹏城实验室
申请日： 2022-09-06 - 公布日： 2023-01-20 - 主分类号： H04L67/10 文献下载
摘要：本发明公开了一种启发式指导的异步历史优化方法及相关设备，所述方法包括：获取集群控制节点和工作节点，控制所述集群控制节点对模型的参数及计算图进行初始化，并将初始化后的数据发送至所述工作节点；控制所述工作节点对所述数据进行训练，通过训练得到的状态表记录信息，并控制所述工作节点将所述状态表发送至所述集群控制节点；在所述集群控制节点接收所述状态表后，控制所述集群控制节点异步进行所述计算图的更新和所述工作节点的参数优化。本发明通过集群控制节点不断整合多轮迭代中各工作节点的状态表并加以存储，通过不断更新计算图使得整个系统效率最优化，并通过还原历史梯度以辅助工作节点更新参数，以提高整个系统的精度。
一种启发式指导异步历史优化方法相关设备

[发明专利]神经网络模型训练系统、方法及相关设备-CN202211181327.4在审
发明人：周阅;任智祥;田永鸿;高文 -专利权人：鹏城实验室
申请日： 2022-09-27 - 公布日： 2023-01-03 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了神经网络模型训练系统、方法及相关设备，其中，上述系统包括多个通信连接的计算节点，上述系统根据计算节点以数据和模型并行的方式训练待训练模型，计算节点包括依次通信连接的数据生成模块、数据传输模块、训练模块和模型参数存储模块；数据生成模块生成一批模型训练数据；数据传输模块获取模型训练数据、预处理获得预处理训练数据并搬运到训练模块；训练模块根据预处理训练数据对待训练模型进行训练以更新待训练模型的模型参数并更新数据迭代次数，更新后的数据迭代次数小于数据迭代次数阈值时触发数据生成模块生成下一批模型训练数据；模型参数存储模块存储模型参数。本发明有利于提高神经网络模型训练时的收敛效果。
神经网络模型训练系统方法相关设备

[发明专利]一种混合算子模型并行训练方法、装置、设备及存储介质-CN202211143025.8在审
发明人： 任智祥;任一铭;田永鸿;高文 -专利权人：鹏城实验室
申请日： 2022-09-20 - 公布日： 2022-12-16 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及图像处理技术领域，具体是涉及一种混合算子模型并行训练方法、装置、设备及存储介质。本发明首先将混合算子模型分割成支路模型，即将混合算子模型化整为零，然后将在每个训练节点上训练一个支路模型，使得各个训练节点同时并行训练各个支路模型，最后将各个支路模型的输出结果进行汇总，得到混合算子模型的整体输出结果，根据该整体输出结果调整模型参数，完成模型训练。从上述分析可知，本发明通过在各个训练节点上训练各个支路模型实现了并行训练，而并行训练能够节省训练时间，以提高训练速度，使得混合算子模型快速收敛。
一种混合算子模型并行训练方法装置设备存储介质

[发明专利]一种注意力机制模型训练方法、装置、终端及存储介质-CN202211143030.9在审
发明人： 任智祥;任一铭;田永鸿;高文 -专利权人：鹏城实验室
申请日： 2022-09-20 - 公布日： 2022-12-16 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种注意力机制模型训练方法、装置、终端及存储介质，包括：获取配置文件，根据配置文件识别各待训练模型，并向各待训练模型分配对应的并行训练策略；根据分配的并行训练策略及对应的模型参数进行数据并行处理，加载配置文件中对应的数据存储位置，得到各待训练模型对应的训练数据；调用全局自扩展模型并行算法，根据得到的训练数据、分配的并行训练策略及配置文件中的模型参数对各待训练模型进行并行训练，得到各待训练模型的训练结果。本发明实现了可自动伸缩的强扩展策略，框架可根据用户使用的模型，数据量大小自动扩展并行规模并修改矩阵切分维度，提高了注意力机制模型并行训练的效率。
一种注意力机制模型训练方法装置终端存储介质

[发明专利]一种低通信开销的神经网络并行训练方法-CN202211116537.5在审
发明人： 任智祥;任一铭;田永鸿;高文 -专利权人：鹏城实验室
申请日： 2022-09-14 - 公布日： 2022-12-09 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种低通信开销的神经网络并行训练方法，本发明通过跨多层拆分目标卷积网络，使得拆分后得到的每个分离网络中均包含目标卷积网络中各个操作层的一部分。因此本发明只需要获取各分离网络的前向结果即可实现目标卷积网络的网络训练过程，各分离网络无需中间通信，减少了参数传播过程的通信开销。解决了现有的神经网络并行训练方法会产生大量的中间通信，导致训练过程中产生大量的通信开销，从而影响训练效率的问题。
一种通信开销神经网络并行训练方法

[发明专利]一种针对分子三维结构的分子属性预测模型训练方法-CN202211200959.0在审
发明人：李泽婷;任智祥;田永鸿;高文 -专利权人：鹏城实验室
申请日： 2022-09-29 - 公布日： 2022-12-09 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种针对分子三维结构的分子属性预测模型训练方法。本发明利用现有的多个已经训练完成的预测精度较低的模型为分子三维结构的未标注数据集提供伪标签,基于包含伪标签的数据集对以分子三维结构为输入的神经网络模型进行训练,基于少量有标注的分子低维结构数据确定伪标签数据集的训练权重，同时采用上述少量有标注数据集的分子三维结构数据进一步提升模型的预测效果。解决了现有技术中由于带分子属性标签的分子三维结构的数据集很少,因此难以获得以分子三维结构为输入的训练效果好的分子属性预测模型的问题。
一种针对分子三维结构属性预测模型训练方法

[发明专利]通信算法数据库构建方法、分布式机器装置和存储介质-CN202110072482.1有效
发明人： 任智祥;周阅;傅海裕 -专利权人：鹏城实验室
申请日： 2021-01-20 - 公布日： 2021-07-13 - 主分类号： G06F16/21 文献下载
摘要：本发明公开一种通信算法数据库构建方法、分布式机器装置和存储介质，所述方法包括：根据分布式机器学习任务选取相关变量并进行配置，得到不同输入变量组合；将所述输入变量组合分别输入蒙特卡洛模型中进行仿真，获取各输入变量组合对应输出变量的概率值；建立所述输入变量组合与所述输出变量的概率值的通信算法数据库，所述通信算法数据库中包括多个通信算法，且每个通信算法中的输入变量组合与训练时间具有映射关系；根据所述通信算法数据库预估训练所述分布式机器学习任务所需的目标通信算法和目标输出变量，解决现有技术中分布式机器学习任务训练缓慢的问题，加快分布式机器学习任务的训练速度。
通信算法数据库构建方法分布式机器装置存储介质

[发明专利]构建通信算法数据库的方法、装置和计算机存储介质-CN202110105293.X有效
发明人： 任智祥;傅海裕;周阅 -专利权人：鹏城实验室
申请日： 2021-01-26 - 公布日： 2021-05-28 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种构建通信算法数据库的方法、装置和计算机存储介质，该方法包括以下步骤：基于不同的软硬件配置和通信算法配置对预设用例进行机器学习模型训练；记录在不同的软硬件配置和通信算法配置下训练机器学习模型达到既定正确率所用的训练时间；将预设用例、不同的软硬件配置和通信算法配置和训练时间按照对应关系构建通信算法数据库。解决了现有的分布式机器学习中还存在如何优化并行训练中涉及到的通信算法的问题。
构建通信算法数据库方法装置计算机存储介质

[发明专利]神经网络结构的搜索方法、终端、服务器及可读存储介质-CN202011645194.2在审
发明人：傅海裕;刘永恒;任智祥 -专利权人：鹏城实验室
申请日： 2020-12-31 - 公布日： 2021-05-07 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种神经网络结构的搜索方法、终端、服务器及可读存储介质，方法包括：服务器确定是否存储有神经网络结构对应的第一参数；若确定存储有第一参数时，发送携带第一参数的训练指令至终端，以使终端根据第一参数搜索目标神经网络结构并采用训练数据对目标神经网络结构进行训练。本发明提高了神经网络结构的搜索方法的资源利用率。
神经网络结构搜索方法终端服务器可读存储介质

[发明专利]实时更新的目标检测方法及系统、计算机可读存储介质-CN202110076466.X在审
发明人：周阅;刘永恒;任智祥;欧阳亚 -专利权人：鹏城实验室
申请日： 2021-01-20 - 公布日： 2021-02-23 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种实时更新的目标检测方法及系统、计算机可读存储介质，该方法包括：获取需要检测的数字图像并利用当前卷积神经网络对数字图像进行目标检测，得到目标检测结果；获取对目标检测结果满足预设条件的数字图像的人工标注，并利用人工标注后的数字图像更新训练集数据库；基于更新后的训练集数据库训练当前卷积神经网络，得到更新后的卷积神经网络，并获取更新后的卷积神经网络在测试集数据库上的评估指标结果；若评估指标结果满足网络生成条件，则基于自动机器学习生成和优化新的卷积神经网络，并将新的卷积神经网络作为当前卷积神经网络。本发明实现了对目标检测算法的实时更新，提高了目标检测的准确性和可靠性。
实时更新目标检测方法系统计算机可读存储介质

[发明专利]准确的机器学习异步预测方法及系统、存储介质-CN202011245061.6有效
发明人：欧阳亚;任智祥 -专利权人：鹏城实验室
申请日： 2020-11-10 - 公布日： 2021-02-23 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种准确的机器学习异步预测方法及系统、计算机可读存储介质，该方法包括以下步骤：在每次对模型进行训练后，将当前训练次数与相应的验证准确率记录在历史数据中并判断当前是否满足预测执行条件；若当前已满足所述预测执行条件，则采用层级式遍历拟合方法对当前历史数据进行曲线拟合；若已成功对所述当前历史数据进行曲线拟合，则计算每个拟合结果的误差值，并将误差值最小的拟合结果作为最终拟合结果；将待预测训练次数输入至所述最终拟合结果，计算后得到预测准确率，并利用所述预测准确率确定最终准确率。本发明实现了对机器学习模型准确率的精准预测，并且提高了对机器学习模型的准确率进行预测时的效率。
准确机器学习异步预测方法系统存储介质

[发明专利]神经网络模型的推理运算量计算方法、设备及存储介质-CN202010950692.1有效
发明人： 任智祥 -专利权人：鹏城实验室
申请日： 2020-09-11 - 公布日： 2021-02-23 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络模型的推理运算量计算方法、设备及存储介质，对神经网络模型进行解析，得到所述神经网络模型的多种神经网络层；分别计算多种所述神经网络层通过前向传播对待推理数据进行推理的多个运算量；基于多个所述运算量，计算得到所述神经网络模型的推理运算量。本发明在不对神经网络模型构建计算图的条件下，通过神经网络模型的多种神经网络层来计算对待推理数据进行推理产生的运算量并计算出表征进行推理总运算量的推理运算量，有效提高对推理需要的运算量进行计算的效率，有利于提高神经网络模型在硬件加速部件上的部署效率。
神经网络模型推理运算量计算方法设备存储介质

[发明专利]深度学习框架确定方法、设备及可读存储介质-CN202011498964.5在审
发明人： 任智祥;傅海裕;周阅 -专利权人：鹏城实验室
申请日： 2020-12-18 - 公布日： 2021-01-22 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种深度学习框架确定方法、设备及可读存储介质，该方法包括步骤：获取应用场景，并建立与所述应用场景对应的至少两个深度学习框架对应的深度学习仿真实验任务；基于预设硬件处理各所述深度学习仿真实验任务，得到深度学习框架评分结果；基于所述深度学习框架评分结果，选取评分最高的深度学习框架作为目标深度学习框架。本发明实现了根据深度学习框架评分结果确定最适合该应用场景的目标深度学习框架，从而使得使用深度学习框架的应用所使用的深度学习框架为最适合该应用的深度学习框架，进而提高了使用深度学习框架的应用的稳定性和效率。
深度学习框架确定方法设备可读存储介质

1
2
下一页»
尾页
共 19 条