知识推理方法、装置、电子设备及存储介质.pdf
一只****懿呀
亲,该文档总共21页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
知识推理方法、装置、电子设备及存储介质.pdf
本发明提供一种知识推理方法、装置、电子设备及存储介质,其中方法包括:基于待推理问题,以及所述待推理问题的相关知识和候选答案,构建三元组;对所述三元组进行打分,并基于所述三元组的得分,从所述相关知识中确定出候选知识;基于所述待推理问题和所述候选知识,进行知识推理。本发明提供的方法、装置、电子设备及存储介质,得到的候选知识是与待推理问题相关性较高的知识,再基于待推理问题和候选知识,进行知识推理,减少了后续知识推理的运算量,提高了知识推理的效率,也进一步提高了知识推理的准确性和可靠性。
模型推理加速方法、装置、电子设备及存储介质.pdf
本公开提供了一种模型推理加速方法、装置、电子设备及存储介质,涉及人工智能领域,尤其涉及深度学习领域。具体实现方案为:获取基于动态语言训练得到的原始深度学习模型,获取基于动态语言对原始深度学习模型中的目标对象进行的第一描述,与基于预定静态语言对原始深度学习模型中的目标对象进行的第二描述间的对应关系,基于对应关系将原始深度学习模型中的目标对象转换为基于预定静态语言描述的对象,得到目标深度学习模型,将目标深度学习模型加载到预定的深度学习推理优化器中,得到优化的目标深度学习模型。本公开解决了相关技术中,难以将用动
神经网络推理量化的方法、装置、电子设备及存储介质.pdf
本公开提供了一种神经网络推理量化的方法、装置、电子设备及存储介质,该方法包括:获取训练后的目标神经网络;将所述目标神经网络中至少一个网络处理层分别对应的特征张量的各个通道划分为多个通道组;针对每个所述通道组,基于所述通道组内包含的每个通道对应的特征极值,确定所述通道组对应的目标最大值和目标最小值;基于各个所述通道组内分别对应的所述目标最大值和所述目标最小值,对所述目标神经网络的推理过程进行量化处理。
多分支网络的分发推理方法、装置、电子设备及存储介质.pdf
本公开提出一种多分支网络的分发推理方法、装置、电子设备及存储介质,属于计算机视觉及深度学习领域。其中,所述方法包括:获取待推理图片并进行预处理;将预处理完毕的所述图片输入预设的多分支网络的第一个分支,得到所述图片的初始预测结果;利用初始预测结果,计算所述图片的不确信度;按照预设的不确信度级别划分结果,确定所述图片对应的不确信度级别;利用预设的所述多分支网络的分发方案,根据不确信度级别确定所述图片在所述分发方案中对应的输出分支,以得到所述图片最终的预测结果。本公开在不影响模型精度的同时可为图像分类和目标检测
数据存储方法、装置、电子设备及存储介质.pdf
本发明公开了一种数据存储方法、装置、电子设备及存储介质,其中,该方法包括:获取至少一种待存储数据,确定每种所述待存储数据的数据源,并根据每种所述待存储数据的数据源确定与所述待存储数据对应的数据源标识;根据所述数据源标识确定与所述待存储数据对应的至少一个目标数据包,并生成与所述目标数据包对应的数据包标识;根据所述数据包标识将各个所述目标数据包通过目标存储通道进行存储。上述技术方案能够通过待存储数据的数据源对不同类型的数据进行分类,并且将待存储数据通过目标数据包的形式进行存储,提高了数据存储的效率,且便于后续