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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于样本重要性采样的分布式深度学习缓存方法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：CN117076415B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202311041182.2，技术领域涉及：G06F16/182；该发明授权一种基于样本重要性采样的分布式深度学习缓存方法是由项绍诚;曾艳;任永坚;张纪林;袁俊峰;岳鲁鹏设计研发完成，并于2023-08-17向国家知识产权局提交的专利申请。

本一种基于样本重要性采样的分布式深度学习缓存方法在说明书摘要公布了：本发明公开了一种基于样本重要性采样的分布式深度学习缓存方法，该方法首先将小文件合并为大文件进行存储，并构建小文件元数据，存储在基于双层哈希函数的索引系统中。其次在数据读取阶段，以请求的小文件名为键，检索到对应元数据信息，读取小文件内容，将小文件IO转化为块级别的IO。然后通过样本的损失值和预测概率方差来评估样本的重要性等级，指导采样和缓存策略。最后通过重要性缓存区和替换性缓存区，为每类样本提供定制化的缓存策略；这些策略缓解不仅提高了缓存命中率，还缓解了块级别IO的读放大问题，并且保证了模型收敛精度不受影响。本发明提升了数据访问性能和缓存利用率，提高了系统的整体性能和效率。

本发明授权一种基于样本重要性采样的分布式深度学习缓存方法在权利要求书中公布了：1.一种基于样本重要性采样的分布式深度学习缓存方法，其特征在于，包括如下步骤： 步骤1、数据存储阶段：将小文件按照预设的容量阈值随机合并为大文件进行存储； 对合并的大文件中的小文件进行存储状态分析，构建小文件元数据，小文件元数据被存储在基于双层哈希函数的索引系统中； 步骤2、数据读取阶段：以请求的小文件名为键，通过双层哈希函数快速检索到对应小文件元数据信息；根据小文件元数据信息在块文件中读取小文件内容，将小文件IO转化为块级别的IO； 步骤3、深度学习模型训练阶段：通过评估样本的损失值和预测概率方差确定样本的重要性； 所述确定样本的重要性具体为：根据样本的重要性分数，对样本分为三种采样等级：高级样本、中级样本和低级样本； 步骤4、缓存阶段：通过重要性缓存区和替换性缓存区进行样本数据缓存； 所述重要性缓存区用于缓存chunk，并根据chunk的重要性分数进行缓存替换策略；重要性缓存区采用基于chunk重要性排序的堆结构，追踪缓存中chunk的状态；当请求的chunk存在于缓存区时，直接返回该chunk的数据；如果请求的chunk不在缓存区中，会与缓存区中重要性最低的chunk进行重要性值的比较，若新请求的chunk的重要性更高，将进行缓存更新，驱逐缓存中重要性最低的chunk，并将新请求的chunk纳入缓存；反之，若新请求的chunk的重要性更低，则直接从底层存储系统中读取样本数据； 所述替换性缓存区用于处理中级样本未命中的情况，当请求样本为中级样本且在缓存中未命中，则从替换性缓存区随机读取一个样本并返回；当替换性缓存区未满时，填充线程从重要性缓存区中随机选择当前周期中未被使用的中级样本和低级样本对替换性缓存区进行动态填充。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158号；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。