CN119356836B 一种用于承载神经网络得自动化资源分配方法 （自然语义(青岛)科技有限公司）_第1页
CN119356836B 一种用于承载神经网络得自动化资源分配方法 （自然语义(青岛)科技有限公司）_第2页
CN119356836B 一种用于承载神经网络得自动化资源分配方法 （自然语义(青岛)科技有限公司）_第3页
CN119356836B 一种用于承载神经网络得自动化资源分配方法 （自然语义(青岛)科技有限公司）_第4页
CN119356836B 一种用于承载神经网络得自动化资源分配方法 （自然语义(青岛)科技有限公司）_第5页
已阅读5页，还剩23页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

AutomatedQuantizationWitPrecision.2019IEEE/CVComputerVisionandPatternRec一种用于承载神经网络得自动化资源分配每个计算阶段所需的处理单元计算能力和内存通过智能化分析神经网络任务的计算精度需求2S33：根据S32中优化得到的资源分配方案，自S42：对步骤S41中采集的实时硬件资源数据进S11：通过解析神经网络的拓扑结构，识别每个网络层的类型及其在整个网络中的位3S224：采用粒子群优化方法对支持向量机模型ci表示第i个处理单元的计算能力，cin表表示第i个处理单元的资源需求，表示第i个处理单4Boa为系统能用的总内存带宽；分配方案。,其中，L表示当前负载比率，T"nigh和T"iow分别为预设的高负载和低负载阈值；通过S432：根据S431中计算得到的调整决策参数D，自动切换神经网络任务的计算精度模56应的计算精度模式：当计算密集度高于Tnign时选择全精度模式FP32；当计算密集度介于7表示第i个处理单元的计算能力，ci表示该处理单元的最大[0038]S322：为最大化资源利用率和计算性能，建立目标函数；设定目标函数为：8l表示当前负载比率，T"rign和T"ow分别为预设的高负载和低负载阈值；通[0050]若为降低精度模式，则将当前网络层的计算[0051]若为提升精度模式，则将当前网络层的计算[0063]本发明，通过引入基于计算精度需求分析和硬件性能预测的自动化资源分配方9[0068]下面结合附图和具体实施例对本发明进行详细描述。同应的计算精度模式：当计算密集度高于Tnign时选择全精度模式FP32；当计算密集度介于通过上述步骤S11至S13，方法根据每个网络层的计算密集度动态选择适当的计算精度模表示第i个处理单元的计算能力，ci表示该处理单元的最大化资源浪费，并确保神经网络任务的计算需求得到满足；设定目标函数为：[0116]若为降低精度模式，则将当前网络层的计算[0117]若为提升精度模式，则将当前网络层的计算

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论