CN112463385B - 云计算的ai数据调度分配方法及相关产品 - Google Patents
云计算的ai数据调度分配方法及相关产品 Download PDFInfo
- Publication number
- CN112463385B CN112463385B CN202011404808.8A CN202011404808A CN112463385B CN 112463385 B CN112463385 B CN 112463385B CN 202011404808 A CN202011404808 A CN 202011404808A CN 112463385 B CN112463385 B CN 112463385B
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- terminal
- group
- equipment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000004044 response Effects 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000015654 memory Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请提供一种云计算的AI数据调度分配方法及相关产品，所述方法包括：终端向云计算系统内的其他设备发送AI硬件请求；其他设备向终端返回AI硬件响应，该响应包含：AI硬件型号以及支持的处理类型；终端依据该支持的处理类型将其他设备划分为n个组，每个组对应一个或多个支持的处理类型且每个组内的设备所支持的处理类型完全相同，终端依据该AI硬件型号确定设备的AI处理能力；终端接收待处理的AI数据，对该AI数据进行分析确定该AI数据所需的类型，终端从n个组中选择支持所需的类型对应的第一组，从第一组中选择AI处理能力最高的第一设备，将该AI数据分配给第一设备处理。本申请提供的技术方案具有提高运算效率的优点。
Description
技术领域
本申请涉及计算机技术领域，具体涉及一种云计算的AI数据调度分配方法及相关产品。
背景技术
云计算(cloud computing)是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。云计算早期，简单地说，就是简单的分布式计算，解决任务分发，并进行计算结果的合并。因而，云计算又称为网格计算。通过这项技术，可以在很短的时间内(几秒钟)完成对数以万计的数据的处理，从而达到强大的网络服务。
现有的云计算的AI数据进行调度分配，导致AI数据无法合理的被调用和运算，降低了运算的效率。
发明内容
本申请实施例提供了一种云计算的AI数据调度分配方法及相关产品，可以对AI数据进行合理的调用，具有提高运算效率的优点。
第一方面，本申请实施例提供一种云计算的AI数据调度分配方法，所述方法包括如下步骤：
终端向云计算系统内的其他设备发送AI硬件请求；其他设备向终端返回AI硬件响应，该响应包含：AI硬件型号以及支持的处理类型；
终端依据该支持的处理类型将其他设备划分为n个组，每个组对应一个或多个支持的处理类型且每个组内的设备所支持的处理类型完全相同，终端依据该AI硬件型号确定设备的AI处理能力；
终端接收待处理的AI数据，对该AI数据进行分析确定该AI数据所需的类型，终端从n个组中选择支持所需的类型对应的第一组，从第一组中选择AI处理能力最高的第一设备，将该AI数据分配给第一设备处理；
上述n为大于等于1的整数。
第二方面，提供一种云计算系统，所述系统包括：终端以及其他设备；
终端，用于向云计算系统内的其他设备发送AI硬件请求；
其他设备，用于向终端返回AI硬件响应，该响应包含：AI硬件型号以及支持的处理类型；
终端，用于依据该支持的处理类型将其他设备划分为n个组，每个组对应一个或多个支持的处理类型且每个组内的设备所支持的处理类型完全相同，依据该AI硬件型号确定设备的AI处理能力；
终端，用于接收待处理的AI数据，对该AI数据进行分析确定该AI数据所需的类型，终端从n个组中选择支持所需的类型对应的第一组，从第一组中选择AI处理能力最高的第一设备，将该AI数据分配给第一设备处理；
上述n为大于等于1的整数。第三方面，提供一种计算机可读存储介质，其存储用于电子数据交换的程序，其中，所述程序使得终端执行第一方面提供的方法。
实施本申请实施例，具有如下有益效果：
可以看出，本申请提供的技术方案、终端向云计算系统内的其他设备发送AI硬件请求；其他设备向终端返回AI硬件响应，该响应包含：AI硬件型号以及支持的处理类型；终端依据该支持的处理类型将其他设备划分为n个组，每个组对应一个或多个支持的处理类型且每个组内的设备所支持的处理类型完全相同，终端依据该AI硬件型号确定设备的AI处理能力，终端接收待处理的AI数据，对该AI数据进行分析确定该AI数据所需的类型，终端从n个组中选择支持所需的类型对应的第一组，从第一组中选择AI处理能力最高的第一设备，将该AI数据分配给第一设备处理。这样在处理AI数据时能够根据其能力以及支持的处理类型进行动态的分配，提高了AI数据处理的能力。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是一种终端的结构示意图。
图1a是一种云计算系统的结构示意图。
图2是一种云计算的AI数据调度分配方法的流程示意图。
图2a是本申请的m*n*3矩阵的示意图。
图2b是本申请的图片网格化示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
参阅图1，图1提供了一种终端，该终端具体可以为智能手机、计算机设备，该智能手机可以为IOS、安卓、windows等系统的移动终端，上述移动终端具体可以包括：处理器、存储器、摄像头和显示屏，上述部件可以通过总线连接，也可以通过其他方式连接，本申请并不限制上述连接的具体方式。在实际应用中，上述移动终端还可以添加其他部件，例如音频部件(麦克风)或通信部件(例如天线等等)。如图1a所示，如图1所示的多个终端可以通过网络连接形成云计算系统。
参阅图2，图2提供了一种云计算的AI数据调度分配方法，该方法如图2所示，该方法可以在如图1a所示的云计算系统内完成，该方法包括如下步骤：
步骤S201、终端向云计算系统内的其他设备发送AI硬件请求；其他设备向终端返回AI硬件响应，该响应包含：AI硬件型号以及支持的处理类型；
上述支持的处理类型包括但不限于：人脸识别、分类识别、语音识别、文字识别、图像识别等等。上述AI硬件型号包括但不限于：AI芯片的型号，例如：MLU270等。
步骤S202、终端依据该支持的处理类型将其他设备划分为n个组，每个组对应一个或多个支持的处理类型且每个组内的设备所支持的处理类型完全相同，终端依据该AI硬件型号确定设备的AI处理能力；
上述AI处理能力具体可以包括：AI处理的数据量大小以及AI处理的时间，其确定AI处理能力的方式可以通过AI硬件型号的官网的对应型号的工作手册确定，当然还可以通过一个虚拟数据的处理得到其AI处理的数据量大小以及AI处理的时间。当然在实际应用中个，上述AI处理能力还可以包括：AI处理的效率，该AI处理的效率可以依据AI芯片的具体结构计算得到，具体的计算方式可以包括：
若AI芯片为主-从结构(例如寒武纪的MLU270)，则提取主处理电路的存储容量Sm；提取从处理电路的数量x以及从数据电路与主处理电路连接通道的数量y；
η＝【Sm/(2*32)】/(y*x)；
其中，32表示32比特的数据，若单个元素的值的比特位数量为64，则需要进行替换，对于主-从结构的数据处理来说，其处理的效率主要在于从处理电路的处理时间，而对于每个从处理电路处理单个乘法运算的时间都是差不多的，因此，绝对其处理效率的能够主要在于通道的数量y以及并行运算的从处理电路的数量x，因为对于处理的效率有两个决定因素，第一是IO时间，第二是计算时间，另外，这里的2是因为对于乘法运算来说，需要2个元素值来进行计算，因此只需要计算计算乘法的次数即可以表示对应的AI处理的效率。
步骤S203、终端接收待处理的AI数据，对该AI数据进行分析确定该AI数据所需的类型，终端从n个组中选择支持所需的类型对应的第一组，从第一组中选择AI处理能力最高的第一设备，将该AI数据分配给第一设备处理。上述n为大于等于1的整数。
本申请提供的技术方案、终端向云计算系统内的其他设备发送AI硬件请求；其他设备向终端返回AI硬件响应，该响应包含：AI硬件型号以及支持的处理类型；终端依据该支持的处理类型将其他设备划分为n个组，每个组对应一个或多个支持的处理类型且每个组内的设备所支持的处理类型完全相同，终端依据该AI硬件型号确定设备的AI处理能力，终端接收待处理的AI数据，对该AI数据进行分析确定该AI数据所需的类型，终端从n个组中选择支持所需的类型对应的第一组，从第一组中选择AI处理能力最高的第一设备，将该AI数据分配给第一设备处理。这样在处理AI数据时能够根据其能力以及支持的处理类型进行动态的分配，提高了AI数据处理的能力。
上述方法可以包括：终端确定该数据的类型为图片数据时，对图片数据中的每张图片执行方格操作得到操作数据；该方格操作具体可以包括：对一张图片建立网格(类似VISO绘图中的网格，即面积大小一致的多个正方形网格)，计算每个网格(面积大小一致)之间的相似度，将相似度大于相似阈值的网格确定为相似网格组，设置位图表示相似网格组的在一张图片的位置，相似网格组存储一个网格的像素数据，将剩余网格组的像素数据删除完成一张图片的方格操作。上述相似度的计算方式具体可以包括：依据每个网格的像素点的R、G、B值以及像素点的在网格的位置建立三维矩阵m*n*3，其中，m表示三维矩阵的长度值、n表示三维矩阵的宽度值，3表示深度值，每个深度对应R、G、B的值(具体如图2a所示)，计算二个网格的2个三维矩阵的差值得到三维差值矩阵，统计三维差值矩阵中元素值小于数值阈值的数量z，相似度＝z/(m*n*3)*100％。
参阅图2a，如图2a所示，由于对图片进行网格化，每个网格的面积相同，因此每个网格的像素点的数量是完全相同的，即m*n个像素点，若是正方形网格，该m＝n，则依据该像素点在网格的像素点的序号即能够确定如图2a所示的m*n*3矩阵对应的值，例如，网格的左上角第一个像素点，其对应的宽度值＝1，长度值＝1，其R值对应m*n*3矩阵的第一个方框(如图2a所示的一个方框表示一个像素点的R、G、B中值，即矩阵的一个元素值，如黑色所示)，G值对应m*n*3矩阵的另一个方框(如深灰色所示)，B值对应又一个方款(如浅灰色所示)，因此即能够对每个方框进行矩阵化。
参阅图2b，如图2b所示，为一张图片网格化后的示意图，如图2b所示，由于无法提供彩色的图片，这里以灰度图片为例，如图2b所示，网格化以后的图中的很多方框其是完全一致的，例如路面的区域，若是都存储，那么很显然会增加很多的存储空间，本申请即通过相似度的计算以后直接将相似网格组存储一个网格的像素数据，其他的像素数据通过bitmap(位图)来表示其所在的位置即可，这样即能够减少图片的存储空间，降低存储成本。
本申请还提供一种云计算系统，所述系统包括：终端以及其他设备；
终端，用于向云计算系统内的其他设备发送AI硬件请求；
其他设备，用于向终端返回AI硬件响应，该响应包含：AI硬件型号以及支持的处理类型；
终端，用于依据该支持的处理类型将其他设备划分为n个组，每个组对应一个或多个支持的处理类型且每个组内的设备所支持的处理类型完全相同，依据该AI硬件型号确定设备的AI处理能力；
终端，用于接收待处理的AI数据，对该AI数据进行分析确定该AI数据所需的类型，终端从n个组中选择支持所需的类型对应的第一组，从第一组中选择AI处理能力最高的第一设备，将该AI数据分配给第一设备处理；
上述n为大于等于1的整数。
上述终端以及其他设备还可以执行如图2所示的终端或其他设备执行的步骤。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任何一种云计算的AI数据调度分配方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种云计算的AI数据调度分配方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (7)
1.一种云计算的AI数据调度分配方法，其特征在于，所述方法包括如下步骤：
终端向云计算系统内的其他设备发送AI硬件请求；其他设备向终端返回AI硬件响应，该响应包含：AI硬件型号以及支持的处理类型；
终端依据该支持的处理类型将其他设备划分为n个组，每个组对应一个或多个支持的处理类型且每个组内的设备所支持的处理类型完全相同，终端依据该AI硬件型号确定设备的AI处理能力；
终端接收待处理的AI数据，对该AI数据进行分析确定该AI数据所需的类型，终端从n个组中选择支持所需的类型对应的第一组，从第一组中选择AI处理能力最高的第一设备，将该AI数据分配给第一设备处理；
上述n为大于等于1的整数；
终端确定该数据的类型为图片数据时，对图片数据中的每张图片执行方格操作得到操作数据；该方格操作具体可以包括：对一张图片建立网格，计算每个网格之间的相似度，将相似度大于相似阈值的网格确定为相似网格组，设置位图表示相似网格组的在一张图片的位置，相似网格组存储一个网格的像素数据，将剩余网格组的像素数据删除完成一张图片的方格操作；所述相似度的计算方式具体包括：依据每个网格的像素点的R、G、B值以及像素点的在网格的位置建立三维矩阵m*n*3，其中，m表示三维矩阵的长度值、n表示三维矩阵的宽度值，3表示深度值，每个深度对应R、G、B的值，计算二个网格的2个三维矩阵的差值得到三维差值矩阵，统计三维差值矩阵中元素值小于数值阈值的数量z，相似度＝z/(m*n*3)*100％。
2.根据权利要求1所述的方法，其特征在于，所述AI处理能力具体包括：AI处理的数据量大小以及AI处理的时间。
3.根据权利要求1所述的方法，其特征在于，所述AI处理能力具体包括：AI处理的效率，所述方法还包括：依据AI芯片的具体结构计算得到，具体包括：
若AI芯片为主-从结构，则提取主处理电路的存储容量Sm；提取从处理电路的数量x以及从数据电路与主处理电路连接通道的数量y；
η＝【Sm/(2*32)】/(y*x)。
4.根据权利要求2所述的方法，其特征在于，
终端依据AI硬件的型号调用该AI硬件的型号的官网的对应型号的工作手册确定该AI处理的数据量代销以及AI处理的时间。
5.一种云计算系统，其特征在于，所述系统包括：终端以及其他设备；
终端，用于向云计算系统内的其他设备发送AI硬件请求；
其他设备，用于向终端返回AI硬件响应，该响应包含：AI硬件型号以及支持的处理类型；
终端，用于依据该支持的处理类型将其他设备划分为n个组，每个组对应一个或多个支持的处理类型且每个组内的设备所支持的处理类型完全相同，依据该AI硬件型号确定设备的AI处理能力；
终端，用于接收待处理的AI数据，对该AI数据进行分析确定该AI数据所需的类型，终端从n个组中选择支持所需的类型对应的第一组，从第一组中选择AI处理能力最高的第一设备，将该AI数据分配给第一设备处理；
上述n为大于等于1的整数；
终端，用于确定该数据的类型为图片数据时，对图片数据中的每张图片执行方格操作得到操作数据；该方格操作具体可以包括：对一张图片建立网格，计算每个网格之间的相似度，将相似度大于相似阈值的网格确定为相似网格组，设置位图表示相似网格组的在一张图片的位置，相似网格组存储一个网格的像素数据，将剩余网格组的像素数据删除完成一张图片的方格操作；所述相似度的计算方式具体包括：依据每个网格的像素点的R、G、B值以及像素点的在网格的位置建立三维矩阵m*n*3，其中，m表示三维矩阵的长度值、n表示三维矩阵的宽度值，3表示深度值，每个深度对应R、G、B的值，计算二个网格的2个三维矩阵的差值得到三维差值矩阵，统计三维差值矩阵中元素值小于数值阈值的数量z，相似度＝z/(m*n*3)*100％。
6.根据权利要求5所述的系统，其特征在于，
所述终端为：平板电脑、智能手机或个人计算机。
7.一种计算机可读存储介质，其存储用于电子数据交换的程序，其中，所述程序使得终端执行如权利要求1-4任意一项提供的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011404808.8A CN112463385B (zh) | 2020-12-02 | 2020-12-02 | 云计算的ai数据调度分配方法及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011404808.8A CN112463385B (zh) | 2020-12-02 | 2020-12-02 | 云计算的ai数据调度分配方法及相关产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112463385A CN112463385A (zh) | 2021-03-09 |
| CN112463385B true CN112463385B (zh) | 2022-03-08 |
Family
ID=74806069
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011404808.8A Active CN112463385B (zh) | 2020-12-02 | 2020-12-02 | 云计算的ai数据调度分配方法及相关产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112463385B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114492660A (zh) * | 2022-02-14 | 2022-05-13 | 深圳市伊登软件有限公司 | 多云管理平台的业务管理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103577658A (zh) * | 2012-07-18 | 2014-02-12 | 腾讯科技（深圳）有限公司 | 智能终端硬件的评估方法及评估系统 |
| CN108153590A (zh) * | 2016-12-02 | 2018-06-12 | 慧与发展有限责任合伙企业 | 管理硬件资源 |
| CN111819872A (zh) * | 2020-06-03 | 2020-10-23 | 北京小米移动软件有限公司 | 信息传输方法、装置、通信设备及存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107871133B (zh) * | 2017-12-27 | 2020-11-17 | 中公高科养护科技股份有限公司 | 边缘检测网络的优化方法、路面病害的识别方法及系统 |
| CN108600865B (zh) * | 2018-05-14 | 2019-07-23 | 西安理工大学 | 一种基于超像素分割的视频摘要生成方法 |
-
2020
- 2020-12-02 CN CN202011404808.8A patent/CN112463385B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103577658A (zh) * | 2012-07-18 | 2014-02-12 | 腾讯科技（深圳）有限公司 | 智能终端硬件的评估方法及评估系统 |
| CN108153590A (zh) * | 2016-12-02 | 2018-06-12 | 慧与发展有限责任合伙企业 | 管理硬件资源 |
| CN111819872A (zh) * | 2020-06-03 | 2020-10-23 | 北京小米移动软件有限公司 | 信息传输方法、装置、通信设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112463385A (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110321448B (zh) | 一种图像检索方法、装置和存储介质 | |
| US10388042B2 (en) | Efficient display of data points in a user interface | |
| CN110399487B (zh) | 一种文本分类方法、装置、电子设备及存储介质 | |
| CN114416352A (zh) | 算力资源分配方法、装置、电子设备及储存介质 | |
| CN112583900B (zh) | 云计算的数据处理方法及相关产品 | |
| CN112950738B (zh) | 渲染引擎的处理方法及装置、存储介质和电子设备 | |
| CN112463385B (zh) | 云计算的ai数据调度分配方法及相关产品 | |
| CN112463383A (zh) | 一种gpu分配方法、系统、存储介质及设备 | |
| CN107784195A (zh) | 数据处理方法及装置 | |
| CN104067308A (zh) | 图像中的对象选择 | |
| CN112650881A (zh) | 监控数据的处理方法、装置及存储介质 | |
| CN113591827A (zh) | 文本图像的处理方法、装置、电子设备及可读存储介质 | |
| CN111967478A (zh) | 一种基于权重翻转的特征图重构方法、系统、存储介质及终端 | |
| CN111931708A (zh) | 表单生成方法及装置 | |
| CN111046206A (zh) | 头像列表展示方法、装置、电子设备及存储介质 | |
| CN114897426A (zh) | 分案信息处理方法、装置、计算机设备及存储介质 | |
| CN110337074B (zh) | 一种交互信息的传输方法、系统及终端设备 | |
| CN114756379A (zh) | 一种基于混合加速卡进行任务训练的方法及系统 | |
| CN114443873A (zh) | 数据处理方法、装置、服务器及存储介质 | |
| CN111127310B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN112597334B (zh) | 通信数据中心的数据处理方法 | |
| CN113379477A (zh) | 数据处理方法、设备及计算设备 | |
| CN115994203B (zh) | 一种基于ai的数据标注处理方法、系统及ai中台 | |
| CN111325821A (zh) | 网格模型处理方法及装置、设备、存储介质 | |
| CN111325816A (zh) | 一种特征图处理方法、装置、存储介质及终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Cloud computing AI data scheduling and distribution method and related products Effective date of registration: 20220901 Granted publication date: 20220308 Pledgee: Shenzhen small and medium sized small loan Co.,Ltd. Pledgor: SHENZHEN HUMENG TECHNOLOGY Co.,Ltd. Registration number: Y2022440020185 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20231215 Granted publication date: 20220308 Pledgee: Shenzhen small and medium sized small loan Co.,Ltd. Pledgor: SHENZHEN HUMENG TECHNOLOGY Co.,Ltd. Registration number: Y2022440020185 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: AI data scheduling and allocation methods and related products for cloud computing Effective date of registration: 20231220 Granted publication date: 20220308 Pledgee: Shenzhen small and medium sized small loan Co.,Ltd. Pledgor: SHENZHEN HUMENG TECHNOLOGY Co.,Ltd. Registration number: Y2023980072933 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |