[发明专利]网络中的多个层的可变精度和混合类型表示在审
| 申请号： | 201810410228.6 | 申请日： | 2018-05-02 |
| 公开（公告）号： | CN108805263A | 公开（公告）日： | 2018-11-13 |
| 发明（设计）人： | U·萨雷尔;E·科恩;T·施瓦茨;A·阿蒙;Y·沙德米;A·布莱韦斯;G·列伊博维奇;J·德赖弗斯;L·法伊维谢夫斯基;T·巴昂;Y·法伊斯;J·苏巴格 | 申请（专利权）人： | 英特尔公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 上海专利商标事务所有限公司 31100 | 代理人： | 张欣;黄嵩泉 |
| 地址： | 美国加利*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 投射 精度水平 存储指令 混合类型 加载指令 硬件逻辑 嵌入的 可变 加载 显露 网络 | ||
1.一种装置，包括：
多个执行单元；以及
至少部分地包括硬件逻辑的逻辑，所述逻辑用于：
显露出在加载指令或存储指令中的至少一个中的嵌入的投射操作；
确定所述投射操作的目标精度水平；以及
以所述目标精度水平加载所述投射操作。
2.如权利要求1所述的装置，其特征在于：
所述目标精度水平表示最佳精度水平。
3.如权利要求1所述的装置，其特征在于：
所述目标精度水平被确定成匹配硬件能力。
4.如权利要求1所述的装置，其特征在于：
不同数据类型被用于表示多层深度学习神经网络(DNN)的不同层中的各个权重。
5.如权利要求4所述的装置，其特征在于：
高精度浮点数据用于神经网络的一个或多个较低层。
6.如权利要求5所述的装置，其特征在于：
较低精度浮点数据和整数被用于所述神经网络的一个或多个较高层。
7.一种电子设备，包括：
处理器，所述处理器具有多个执行单元；以及
至少部分地包括硬件逻辑的逻辑，所述逻辑用于：
显露出在加载指令或存储指令中的至少一个中的嵌入的投射操作；以及
确定所述投射操作的目标精度水平；以及
以所述目标精度水平加载所述投射操作。
8.如权利要求7所述的电子设备，其特征在于：
所述目标精度水平表示最佳精度水平。
9.如权利要求7所述的电子设备，其特征在于：
所述目标精度水平被确定成匹配硬件能力。
10.如权利要求7所述的电子设备，其特征在于：
不同数据类型被用于表示多层深度学习神经网络(DNN)的不同层中的各个权重。
11.如权利要求10所述的电子设备，其特征在于：
高精度浮点数据用于神经网络的一个或多个较低层。
12.如权利要求11所述的电子设备，其特征在于：
较低精度浮点数据和整数被用于所述神经网络的一个或多个较高层。
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英特尔公司，未经英特尔公司许可，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/pat/books/201810410228.6/1.html，转载请声明来源钻瓜专利网。
