[发明专利]基于最长路融合算法的深度学习计算图优化方法在审
| 申请号： | 202110502342.3 | 申请日： | 2021-05-08 |
| 公开（公告）号： | CN113326869A | 公开（公告）日： | 2021-08-31 |
| 发明（设计）人： | 胡事民;刘政宁;梁盾 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G06F16/901 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王庆龙 |
| 地址： | 100084 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于最长路融合算法的深度学习计算图优化方法，包括：1)使用最小代价子图划分估计深度学习计算图的算子融合的加速效果，2)根据代价函数近似得到出一种跨层算子融合规则，3)标记计算图边权，用动态规划求解算子最长路标号，4)使用并查集算法融合标号相同的算子。此方法在保证优化额外开销比较小的同时，显著提高深度学习框架的速度。 | ||
| 搜索关键词： | 基于 最长 融合 算法 深度 学习 计算 优化 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202110502342.3/，转载请声明来源钻瓜专利网。
