Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京希姆计算科技有限公司吕文媛获国家专利权

北京希姆计算科技有限公司吕文媛获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉北京希姆计算科技有限公司申请的专利一种确定样本批量大小的方法、装置和可读存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116562388B

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210111790.5,技术领域涉及:G06N20/00;该发明授权一种确定样本批量大小的方法、装置和可读存储介质是由吕文媛;淡孝强;曹睿设计研发完成,并于2022-01-29向国家知识产权局提交的专利申请。

一种确定样本批量大小的方法、装置和可读存储介质在说明书摘要公布了:本发明实施例公开了一种确定样本批量大小的方法、装置和可读存储介质。本发明实施例基于N个样本批量大小,分别确定深度学习模型的N个平均计算周期数,其中,N为大于等于1的正整数,每个所述平均计算周期数对应一个所述样本批量大小;根据所述N个平均计算周期数确定第一候选样本批量大小;基于所述N个样本批量大小,分别确定深度学习模型的N个计算强度,其中,每个所述计算强度对应一个所述样本批量大小;根据所述N个计算强度确定第二候选样本批量大小;将所述第一候选样本批量大小和所述第二候选样本批量大小的最大值,确定为所述目标样本批量大小。通过上述方法,可以准确的确定出较优的样本批量大小,使深度学习模型达到较优的性能。

本发明授权一种确定样本批量大小的方法、装置和可读存储介质在权利要求书中公布了:1.一种确定样本批量大小的方法,其特征在于,该方法包括: 基于N个样本批量大小,分别确定深度学习模型的N个平均计算周期数,其中,所述N为大于等于1的正整数,每个所述平均计算周期数对应一个所述样本批量大小; 根据所述N个平均计算周期数确定第一候选样本批量大小; 基于所述N个样本批量大小,分别确定深度学习模型的N个计算强度,其中,每个所述计算强度对应一个所述样本批量大小; 根据所述N个计算强度确定第二候选样本批量大小; 将所述第一候选样本批量大小和所述第二候选样本批量大小的最大值,确定为目标样本批量大小; 其中,所述根据所述N个平均计算周期数确定第一候选样本批量大小,具体包括: 根据所述N个样本批量大小从小到大的顺序,确定第一拐点,所述第一拐点为所述N个平均计算周期数的拐点,所述第一拐点为首个使平均计算周期数变化趋于稳定的点; 将所述第一拐点对应的样本批量大小确定为第一候选样本批量大小; 所述根据所述N个计算强度确定第二候选样本批量大小,具体包括: 根据所述N个样本批量大小从小到大的顺序,确定第二拐点,所述第二拐点为所述N个计算强度的拐点,所述第二拐点为首个使计算强度变化趋于稳定的点; 将所述第二拐点对应的样本批量大小确定为第二候选样本批量大小; 所述基于所述N个样本批量大小,分别确定深度学习模型的N个计算强度,具体包括: 针对所述N个样本批量大小中的每个所述样本批量大小,将所述深度学习模型总计算量与所述深度学习模型总访存量的比值,确定为该样本批量大小对应的计算强度。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人北京希姆计算科技有限公司,其通讯地址为:100012 北京市朝阳区来广营西路5号院5号楼8层801、802、803、808;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。