-
Patent Agency Ranking
公开(公告)号：CN113688975A
公开(公告)日：2021-11-23
申请号：CN202110977534.X
申请日：2021-08-24
Applicant: 北京市商汤科技开发有限公司
Abstract: 本发明涉及一种神经网络的训练方法、装置、电子设备及存储介质，所述方法应用于第一处理设备，所述方法包括：获取样本图像；将携带所述样本图像的任务指令发送至第二处理设备，以使所述第二处理设备对所述样本图像进行至少一种预处理，得到目标图像；接收所述第二处理设备发送的携带所述目标图像的任务响应，并将所述目标图像输入至待训练的神经网络进行训练。由于第一处理设备将样本图像预处理的任务转移至了第二处理设备进行，从而能够降低第一处理设备的运行负荷，提高神经网络的训练速度。
-
公开(公告)号：CN117574980A
公开(公告)日：2024-02-20
申请号：CN202311606639.X
申请日：2023-11-28
Applicant: 北京市商汤科技开发有限公司
Abstract: 本公开提供了一种模型训练方法、装置、系统、电子设备及存储介质，该方法包括：获取生成的标准接口集合内各个标准接口的接口信息，标准接口包括运行时标准接口和算子标准接口；根据标准接口集合内标准接口的接口信息，对模型框架系统进行接口适配处理；在对神经网络模型进行训练的过程中，调用适配处理后的模型框架系统内的第一目标接口；响应于第一目标接口的调用操作，控制与模型框架系统对接的至少一个AI加速芯片执行匹配第一目标接口的目标操作，其中在模型训练结束之后得到训练后的神经网络模型，AI加速芯片与模型框架系统通信相连，AI加速芯片的至少部分软件功能模块为根据标准接口集合内接口信息开发生成的。
-
公开(公告)号：CN117825912A
公开(公告)日：2024-04-05
申请号：CN202311603384.1
申请日：2023-11-28
Applicant: 北京市商汤科技开发有限公司
IPC: G01R31/28
Abstract: 本公开提供了一种芯片测试方法、装置、计算机设备及存储介质，其中，该方法包括：获取待测芯片对应的待测计算库的测试配置信息；其中，所述测试配置信息中包含与所述待测计算库中的算子对应的测试用例；在所述测试配置信息对应的测试环境中，根据测试用例对所述待测计算库中的算子进行功能测试，得到用于表征所述待测芯片在执行各算子时计算准确度的功能测试结果；在所述测试配置信息对应的测试环境中，根据测试用例对所述待测计算库中通过功能测试的目标算子进行性能测试，得到用于表征所述待测芯片在执行各目标算子时计算速度的性能测试结果；基于所述功能测试结果和性能测试结果，确定所述待测芯片对应的待测计算库的测试结果。
-
公开(公告)号：CN117806849A
公开(公告)日：2024-04-02
申请号：CN202311832966.7
申请日：2023-12-27
Applicant: 北京市商汤科技开发有限公司
Abstract: 本公开涉及一种让模型运行于目标设备的方法、装置、设备及存储介质，所述方法包括：在目标设备上部署虚拟加速器，虚拟加速器中设有多种虚拟设备接口以及各种虚拟设备接口与各种CUDA接口之间的映射关系；在目标设备运行模型的过程中，利用虚拟加速器拦截模型所调用的CUDA接口，并基于映射关系，将拦截到的CUDA接口替换为对应的虚拟设备接口，并调用被替换为的虚拟设备接口，以实现在目标设备上运行模型。本公开实施例可实现让基于预设深度学习框架所构建的模型免修改地运行于目标设备。
-
公开(公告)号：CN117312173A
公开(公告)日：2023-12-29
申请号：CN202311459183.9
申请日：2023-11-03
Applicant: 北京市商汤科技开发有限公司
IPC: G06F11/36 , G06N3/0464
Abstract: 本公开涉及一种深度学习框架的测试方法、装置、电子设备和存储介质。所述方法包括：在部署在第一深度学习框架的深度学习模型中，注入数据抓取代码；在所述第一深度学习框架中训练所述深度学习模型，并通过所述数据抓取代码抓取所述深度学习模型的第一中间变量集的信息；根据所述第一中间变量集的信息，确定所述第一深度学习框架的测试结果。
-
-
-
-
Search Results
5
records
(took 0.041 seconds)
