期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
人工智能模型“风顺”对中国区域降水技巧检验
1
作者 胡家晖 陆波 +9 位作者 李昊 陈磊 仲晓辉 周辰光 吴捷 冯胤庭 徐邦琪 赵春燕 辛昱杭 赵阳 《大气科学学报》 北大核心 2025年第3期366-376,共11页
次季节预测在农业规划、防灾减灾和水资源管理等领域具有重要意义。基于人工智能的“风顺”次季节预测模型(CMA-AIM-S2S-Fengshun),结合自主研发的CRA-40再分析数据和FY-3E卫星数据,通过级联Swin Transformer模块和智能扰动生成技术,实... 次季节预测在农业规划、防灾减灾和水资源管理等领域具有重要意义。基于人工智能的“风顺”次季节预测模型(CMA-AIM-S2S-Fengshun),结合自主研发的CRA-40再分析数据和FY-3E卫星数据,通过级联Swin Transformer模块和智能扰动生成技术,实现了气候多要素集合预测。对2017—2021年中国区域降水的历史回算检验表明,“风顺”在逐候平均降水预测中的表现显著优于欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECMWF)模式,整体技巧提升18.6%,其中华南地区提升41.2%,东部地区提升26.5%。在MJO(Madden-Julian Oscillation)预测方面,“风顺”将技巧保持时间延长至32 d(CRA-40驱动),超过ECMWF的30 d基准。个例分析显示,模型对2024年7月中旬华北强降水过程的落区和强度预测精度更高,提前3~4候捕捉到关键异常信号。 展开更多
关键词 人工智能 次季节预测 降水预测 “风顺”模型
在线阅读 下载PDF
PetS:针对参数高效Transformer模型的可扩展推理服务系统
2
作者 魏学超 周哲 +3 位作者 徐盈辉 张洁靖 谢源 孙广宇 《计算机研究与发展》 2025年第7期1816-1832,共17页
在多任务推理服务场景下使用基于预训练-微调范式的Transformer模型存在很多困难:服务端必须维护每个下游任务的完整模型副本,从而造成很大的存储和显存开销.最近逐渐兴起的参数高效Transformer(PET)算法在不同的下游任务之间共享预训... 在多任务推理服务场景下使用基于预训练-微调范式的Transformer模型存在很多困难:服务端必须维护每个下游任务的完整模型副本,从而造成很大的存储和显存开销.最近逐渐兴起的参数高效Transformer(PET)算法在不同的下游任务之间共享预训练模型,仅微调一小部分任务特定的模型参数,从而减少存储的开销.然而,现有的后端服务系统既没有灵活的PET任务管理机制,也不能有效地跨任务进行输入的批量处理.针对不同的下游任务,现有框架在多卡分布式场景下也难以提供良好的负载均衡机制.因此,提出了PetS,一个用于多任务PET推理服务的可扩展框架.具体而言,不同的PET任务在算法上被抽象成一种统一表示形式.基于这种统一表示,设计了一个专门的PET推理引擎,以批处理不同任务的输入,并使用任务无关的共享算子和任务特定的PET算子进行推理.通过PET推理引擎,PetS在单个GPU设备上可以支持更多的任务数量.为了进一步提高系统吞吐量,提出了一种协同批处理(CB)策略,同时考虑了输入的长度、PET任务类型以及系统负载平衡.为了提升多卡部署的负载均衡,创新性地提出了基于PET实时迁移的负载均衡机制.PetS在包括边缘端、桌面端和服务器端GPU等多个平台上都经过了评估.全面的实验证明,PetS支持多达26倍的并发任务,并将服务吞吐量在桌面和服务器GPU节点上分别提高了1.53倍和1.63倍.在多GPU场景下,该负载均衡策略可以将吞吐量进一步提升29%之多. 展开更多
关键词 推理服务 参数高效Transformer GPU 分布式系统 机器学习系统
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部