神经网络模型训练方法、装置、设备及可读存储介质

    公开(公告)号:CN116227577A

    公开(公告)日:2023-06-06

    申请号:CN202310233224.6

    申请日:2023-03-07

    Abstract: 本申请公开了一种神经网络模型训练方法、装置、设备及可读存储介质,将训练样本输入神经网络模型,得到模型预测的结果,对根据结果及标签计算出的损失函数求二阶导,得到二阶损失函数,利用线性共轭梯度算法对二阶损失函数进行优化,得到目标函数,再基于如下公式:计算梯度下降向量,也即使用了二阶优化算法对模型的参数进行训练调整,直至满足设定的训练结束条件,使神经网络模型能够准确的训练学习,能够处理大量的训练样本,有效地实现神经网络模型通过一个完全通用的优化器来执行,无需任何训练样本的预训练,解决了深度学习中的欠拟合问题,同时使得优化速度更快。

    一种跨云资源处理系统和资源管理方法

    公开(公告)号:CN112637304A

    公开(公告)日:2021-04-09

    申请号:CN202011487550.2

    申请日:2020-12-16

    Abstract: 本发明提供一种跨云资源处理系统和资源管理方法,包括多云适配子系统、多云纳管调度子系统和多云资源管理子系统;多云纳管调度子系统与多云资源管理子系统相连,用于对多个云平台和多个异构资源池进行纳管处理和资源调度处理;多云资源管理子系统分别与多云纳管调度子系统、多云适配子系统相连,用于对进行纳管处理后的多个云平台和多个异构资源池进行资源管理并生成资源管理命令,以将资源管理命令发送至多云适配子系统;多云适配子系统,用于提供多个云平台和多个异构资源池接入接口,以及将接收到的资源管理命令转发至多个云平台和多个异构资源池。能够实现对多种不同类型的资源池和云平台进行统一管理,从而提高不同类型资源的调度效率。

    一种跨云资源处理系统和资源管理方法

    公开(公告)号:CN112637304B

    公开(公告)日:2022-12-20

    申请号:CN202011487550.2

    申请日:2020-12-16

    Abstract: 本发明提供一种跨云资源处理系统和资源管理方法,包括多云适配子系统、多云纳管调度子系统和多云资源管理子系统;多云纳管调度子系统与多云资源管理子系统相连,用于对多个云平台和多个异构资源池进行纳管处理和资源调度处理;多云资源管理子系统分别与多云纳管调度子系统、多云适配子系统相连,用于对进行纳管处理后的多个云平台和多个异构资源池进行资源管理并生成资源管理命令,以将资源管理命令发送至多云适配子系统;多云适配子系统,用于提供多个云平台和多个异构资源池接入接口,以及将接收到的资源管理命令转发至多个云平台和多个异构资源池。能够实现对多种不同类型的资源池和云平台进行统一管理,从而提高不同类型资源的调度效率。

Patent Agency Ranking