[发明专利]运算模型训练系统、运算模型训练系统的运作方法及携带式电子装置

说明书

运算模型训练系统、运算模型系统的运作训练方法及携带式电子装置。该运作方法借由一处理器实施。运算模型训练系统包括一第一运算模型及至少一第二运算模型。该处理器接收一笔输入数据。该处理器利用该笔输入数据，获得该第一运算模型与该第二运算模型的一模型差异度。该处理器利用该笔输入数据，获得该第二运算模型的一输出正确度。该处理器用以依据该输出正确度及该模型差异度，更新该第二运算模型。

技术领域

本发明是有关于一种运算模型训练系统、运算模型训练系统的运作方法及携带式电子装置，且特别是有关于一种能够将深度学习技术运用于携带式电子装置上的运算模型训练系统、运算模型训练系统的运作方法及携带式电子装置。

背景技术

深度学习技术具有相当高的准确率。目前，研究人员已开始着手将深度学习技术应用于影像辨识、运动辨识、生理感知上。

然而，深度学习技术的运算模型通常具有相当多的层数，其复杂度相当的高。这样的运算模型并不适合应用于携带式电子装置上，使得深度学习仍然无法有效地应用于影像辨识、运动辨识、生理感知上。

此外，深度学习技术的高复杂度运算模型也常面临到过度拟合(over-fitting)的问题，而使得深度学习技术无法适用于个人化的应用中。

发明内容

本发明是有关于一种运算模型训练系统、运算模型训练系统的运作方法及携带式电子装置，其利用两组运算模型的架设，使得携带式电子装置也能够应用深度学习技术，来进行个人数据的学习。

根据本发明的一方面，提出一种运算模型训练系统的运作方法。该运作方法借由一处理器实施。该运算模型训练系统包括一第一运算模型及至少一第二运算模型。该运作方法包括以下步骤。该处理器接收一笔输入数据。该处理器的一差异度运算单元根据该笔输入数据计算该第一运算模型的一第一中间层数据及该第二运算模型的一第二中间层数据，并以该第一中间层数据及该第二中间层数据的差异作为该第一运算模型与该第二运算模型的一模型差异度。该处理器的一正确度运算单元接收该笔输入数据输入至该第二运算模型所获得的一输出值，并比较该输出值与一目标值后，获得该第二运算模型的一输出正确度。该处理器的一模型调整单元依据该输出正确度及该模型差异度，更新该第二运算模型的至少一参数。

根据本发明的另一方面，提出一种运算模型训练系统。运算模型训练系统包括一第一运算模型、至少一第二运算模型、一输入单元及一处理器。该处理器用以执行一指令集。该指令集包括一差异度运算单元、一正确度运算单元及一模型调整单元。该差异度运算单元用以根据该笔输入数据计算该第一运算模型的一第一中间层数据及该第二运算模型的一第二中间层数据，并以该第一中间层数据及该第二中间层数据的差异作为该第一运算模型与该第二运算模型的一模型差异度。该正确度运算单元用以接收该笔输入数据输入至该第二运算模型所获得的一输出值，并比较该输出值与一目标值后，获得该第二运算模型的一输出正确度。该模型调整单元用以依据该输出正确度及该模型差异度，更新该第二运算模型的至少一参数。

根据本发明的再一方面，提出一种携带式电子装置。携带式电子装置是与一服务器装置通讯。该伺服装置包括一第一运算模型。该携带式电子装置包括一输入单元、一第二运算模型及一处理器。该处理器包括用以执行一指令集。该指令集包括一差异度运算单元、一正确度运算单元及一模型调整单元。该差异度运算单元用以根据该笔输入数据计算该第一运算模型的一第一中间层数据及该第二运算模型的一第二中间层数据，并以该第一中间层数据及该第二中间层数据的差异作为该第一运算模型与该第二运算模型的一模型差异度。该正确度运算单元用以接收该笔输入数据输入至该第二运算模型所获得的一输出值，并比较该输出值与一目标值后，获得该第二运算模型的一输出正确度。该模型调整单元用以依据该输出正确度及该模型差异度，更新该第二运算模型的至少一参数。

为了对本发明的上述及其他方面有更佳的了解，下文特举实施例，并配合所附图式详细说明如下：

附图说明