龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：合肥工业大学
申请日：2024-04-03
公开（公告）日：2024-06-18
公开（公告）号：CN118211611A
主分类号：G06N3/042
分类号：G06N3/042;G06N3/063;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本申请涉及深度学习领域，公开了硬件卷积加速核下面向pytorch框架的GAT模型的加速方法，包括以下步骤：S1、确定耗时较高的scatter_add算子；S2、对scatter_add算子进行原型分析；S3、根据scatter_add算子的操作，准备相应的数据；S4、设计并实现一个优化后的scatter_add算子，该算子利用硬件卷积加速核的多核计算能力和分布式存储技术，以提高在进行矩阵运算时的计算效率和响应速度；S5、将优化后的scatter_add算子应用于GAT模型中，以实现网络训练的加速效果。本发明通过多核计算和分布式存储技术，利用dsp芯片的性能优势，提高算子在进行矩阵运算时的计算效率和响应速度，进而实现网络训练加速的效果。
主权项：1.硬件卷积加速核下面向pytorch框架的GAT模型的加速方法，其特征在于，包括以下步骤：S1、确定在GAT模型中耗时较高的scatter_add算子；S2、对scatter_add算子进行原型分析以确定其在三维张量和二维张量中的操作；S3、根据scatter_add算子的操作，准备相应的数据，包括index矩阵、src矩阵和out矩阵，并将其保存以便于进一步处理；S4、设计并实现一个优化后的scatter_add算子，该算子利用硬件卷积加速核的多核计算能力和分布式存储技术，以提高在进行矩阵运算时的计算效率和响应速度；S5、将优化后的scatter_add算子应用于GAT模型中，以实现网络训练的加速效果。
全文数据：
权利要求：
百度查询： 合肥工业大学 硬件卷积加速核下面向pytorch框架的GAT模型的加速方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号