推理性

摘要： 广东省东莞市长安镇第一小学的“种子课程”,通过六个层级(常识性、推理性、演绎性、社会性、哲理性、原点性)的探究活动,加强学习的联结与整合,把相关知识组合成一个整体,推动学生思维力的发展.

摘要： 哈尔莫斯说:“学习数学的唯一方法是做数学”,波利亚在《怎样解题》一书中系统地阐述了理解题目、拟定方案、执行方案、回顾与检验四个解题环节的探索过程,通过解题活动获得解决问题的一般推理性方法.适度的解题不仅可以固化已有的知识、概念、思想与方法,还可以突破思维障碍,通过数学学习思维,提升数学思维能力与数学应用能力.

摘要： 课时安排:本单元建议活动时间9课时,专题一1~2课时,专题二3课时,专题三4~5课时。重点把握:专题一:逻辑规律、常见谬误类型。专题二:推理性语言材料、推理过程、推理形式。专题三:论证构成、隐含前提、间接论证、虚拟论敌。学习方式:语言和思维结合,现象和方法打通。

摘要： 作为一门逻辑性和推理性较强的学科,数学对学生的逻辑思维能力要求极高。在小学的学习阶段,学生对身边事物的观察、推理、分析能力都比较差,因此逻辑思维能力也比较欠缺,教师在对小学数学进行教学时,要注意培养学生的逻辑思维能力,为以后的数学学习打下好的基础。

摘要： 数学是一门逻辑性和推理性都比较强的学科,学好数学的前提是学生拥有独立思考问题和分析问题的能力。有效的师生互动能够提高学生学习数学的积极性,充分发挥学生的主观能动性,培养学生自主学习和思考解决问题的能力,促进学生思维能力和创新意识的发展,有效提高数学教学效率。教师在教学过程中要学会改变教学模式,注重增加和学生之间的互动交流,帮助学生达到学好数学的目的。针对如何更好的在高中数学课堂中开展师生互动教学,我们做出了以下几点探究。

摘要： 高中物理是在初中物理的基础上进行延伸的学科,相较于初中物理的常识知识点,高中物理更偏向于实验性、推理性和探索性知识点.初中物理主要观察物体形态的变化和基本的逻辑思维,比如气化、液化、电路的基本结构与分析等;而高中物理则偏向于紧密的逻辑思维和联想能力,比如摩擦力、引力力学、电磁学等,相对初中物理而言更加复杂、难以理解的知识点.因此,高中物理相对于初中物理而言,知识点更多、更复杂,需要构建系统的知识框架来方便学生理解和记忆.但是,如果只在课堂上单纯的讲解知识点,并没有通过生活中常见的现象来帮助学生理解知识点,这只会给学生对知识点的理解带来更多的困难,不利于高中物理的学习.如何突破教学当中存在的瓶颈问题,如何最大限度激发学生学习兴趣,解放学生学习方式,提高高中物理教学效率,这是新时代每位物理教师所面临的现实问题.

摘要： 高中英语阅读教学质量直接影响到学生的学习质量,因此得到了许多一线教师的重视。教学过程中要打破常规,创新教学方法与模式,进而达成提高教学效率与质量的目的,本文就此方面展开论述。1.强化思维训练有人认为,在对学生进行阅读教学时,应该设置记忆性、推理性和评价性的任务,而且它们之间要有个梯度性的连接,帮助学生进行思维延伸。

摘要： 小学数学是一门基础学科,小学数学教学中,数学教师应该站在学科素养和教书育人的角度来开展教学工作.作为小学数学教师,基于学科素养和育人层面上,对小学数学的教学思想进行了分析,希望能为更多的数学教师的教学工作提供借鉴.

摘要： 为了让课堂离生活更近,加上数学本身所特有的思维抽象性和逻辑推理性,教学模具在数学教学中得到了广泛的运用。本文笔者对学具的作用和如何在教学中高效使用学具做了探讨。一、学具的作用数学是一门抽象的学科,是对空间模型、结构、变化、数量等概念的研究,要求学生要具有一定的抽象思维和发散思维,这增加了教学难度。

摘要： 本发明公开了一种基于人工智能框架的算法训练推理性能可视化方法及装置，属于深度学习技术领域。本发明能够将深度学习模型在人工智能框架上的算法训练或推理过程的数据转换为通用的Protobuf数据格式，通过计算深度模型网络中的节点延迟和节点效率来可视化人工智能框架的性能表现，方便用户分析和优化算法模型。本发明提供了比较不同人工智能框架的算法训练或推理性能的方法，适用于不同的人工智能框架，为用户比较和选择合适的人工智能框架以及优化模型结构提供帮助。

摘要： 支持单线程应用程序的时分多路复用推理性多线程摘要：本发明的一个实施例提供了一种简化单处理器流水线内的头线程和推理性线程的交替执行的系统。该系统的运行是通过使用头线程执行程序指令，并通过使用推理性线程在头线程之前推理性地执行程序指令来运行的，其中通过单处理器流水线内的时分多路复用交替，头线程和推理性线程并发执行。

摘要： 本公开提供了一种模型推理性能的分析方法、装置及电子设备，涉及人工智能技术领域，尤其涉及深度学习及模型推理等技术领域。具体实现方案为：确定待分析模型；接收第一输入，并获取所述第一输入中的目标信息，所述目标信息包括插桩代码的位置信息或针对预先嵌入的性能分析器的启动指令；基于所述目标信息执行对所述待分析模型的推理性能分析，并生成分析结果文件。

摘要： 本发明公开了一种基于人工智能框架的算法训练推理性能可视化方法及装置，属于深度学习技术领域。本发明能够将深度学习模型在人工智能框架上的算法训练或推理过程的数据转换为通用的Protobuf数据格式，通过计算深度模型网络中的节点延迟和节点效率来可视化人工智能框架的性能表现，方便用户分析和优化算法模型。本发明提供了比较不同人工智能框架的算法训练或推理性能的方法，适用于不同的人工智能框架，为用户比较和选择合适的人工智能框架以及优化模型结构提供帮助。

摘要： 本申请提供一种模型推理性能的优化方法、装置及相关产品，涉及人工智能领域。具体方案包括：从预设的人工智能框架获取目标模型的初始模型文件，所述初始模型文件中具有目标模型对应的初始计算图；采用预设的推理加速引擎对所述初始模型文件进行优化处理，以获得自动优化后的计算图；对所述自动优化后的计算图进行解析，确定满足算子融合条件的至少一个子计算图；所述子计算图中的算子为目标算子；针对至少一个子计算图，对同一子计算图中的目标算子进行算子融合处理，以获得至少一个融合算子；基于至少一个融合算子对目标模型的推理性能进行优化。本申请的方案能够减少片上内存空间进行读写数据的时间，进而减少模型推理过程的时间。

摘要： 本发明公开了一种卷积神经网络在加速器上的推理性能评估系统，属于计算机视觉领域。包括三个模块：硬件性能分析模块、模型解析模块、时间预测模块。硬件性能分析模块用于测试并分析加速器的性能信息，包括运算速率和访存带宽。模型解析模块用于统计网络的复杂度信息，包括网络的结构信息、运算量、数据传输量。时间预测模块结合加速器的性能信息与网络的复杂度信息，计算评估网络在加速器上的推理时间。本发明支持不同的主流深度学习框架格式，具有适用性广的特点；同时，本发明在评估网络的推理性能时，充分考虑了硬件计算特性与网络结构特点，评估结果误差小；此外，本发明的评估过程无需将待评估网络部署至加速器，评估过程简单高效。

摘要： 本发明涉及多媒体领域的视觉问题生成技术领域，尤其涉及一种利用噪声描述文本的可控推理性视觉问题生成方法，包括输入图片和能得到的有关图片的简单描述；利用锚点场景图生成模块和所述图片及描述生成锚点场景图；以所述锚点场景图为基础利用推理性问题生成模块得到具有显式推理性的自然语言问题，该发明不仅规避了传统方法基于数据驱动产生的模式局限性，也不需要高昂的人工成本，同时生成的问题在内容和难度等方面都是可控的，在不同的应用场景下定制和扩展也很方便，可以根据目的高效、大量地扩增视觉问答数据集。

摘要： 本发明公开了一种深度学习推理性能干扰感知的GPU资源配置方法，包括一个深度神经网络（Deep Neural Network,DNN）推理性能预测模型、以及利用该模型进行深度学习推理性能干扰感知的GPU资源配置。具体包括提交DNN负载预运行并获取DNN负载参数和GPU硬件参数；基于获取参数设计了一种DNN推理延迟和吞吐量的预测模型；建立在保证DNN推理延迟和吞吐量情况下的DNN推理成本花销最小化的数学优化问题；本发明设计并实现一种简单且有效的深度学习推理性能干扰感知的GPU资源配置策略iGniter，解决DNN推理在GPU上的性能预测问题，在保证DNN推理性能的前提下最小化DNN推理成本花销。

摘要： 本发明公开一种用于提升低资源常识推理性能的元强化学习方法，包括：通过多个常识推理的数据集来进行元学习；通过元学习的框架，对不同的高资源常识推理数据集，得到的梯度进行综合，从而得到最终应用于更新原始模型的梯度；通过基于循环神经网络的强化学习，以元学习中的中间模型的状态作为输入，输出一个权重的分布来作为元学习的梯度的权重，对辅助元学习中不同的高资源数据集上的梯度进行综合，让元学习得到的通用的任务表示接近目标的低资源数据集。本发明能够将目标低资源数据集的信息融于到梯度的融合中，并且应用融合的梯度来更新模型。

摘要： 一种终端设备的AI推理性能评测方法及装置、存储介质、终端，所述方法包括：采用待评测的终端设备和机器翻译模型对多条语句进行翻译，得到每条语句的候选译文；计算将各条语句翻译成所述候选译文的翻译时长均值，以及基于各条语句的候选译文与参考译文确定翻译质量评价结果；基于所述翻译时长均值和所述翻译质量评价结果，对所述终端设备执行机器翻译任务的AI推理性能进行评测；其中，所述翻译时长均值越小，所述翻译质量评价结果的数值越大，所述终端设备执行机器翻译任务的AI推理性能越强。上述方案可以直观、准确地对终端设备执行机器翻译任务的AI推理性能进行评测。