[发明专利]深度学习系统和用于深度学习系统的处理数据的方法

说明书

公开了深度学习系统和用于深度学习系统的处理数据的方法。提供一种用于由多个异构资源驱动的深度学习系统的处理数据的方法。所述方法包括：当包括多个操作中的至少一个操作的第一任务将被执行时，接收指示第一任务的第一计算路径的第一路径信息。第一计算路径包括包含在第一任务中的操作的顺序和用于执行包括在第一任务中的操作的资源的驱动顺序。所述方法还包括基于数据表示信息和第一路径信息，设置用于执行包括在第一任务中的操作的资源的数据表示格式。数据表示信息指示所述多个异构资源中的每个异构资源的优化的数据表示格式。

本申请要求于2018年7月19日提交到韩国知识产权局(KIPO)的第10-2018-0083807号韩国专利申请的优先权，所述韩国专利申请的公开通过完整引用包含于此。

技术领域

示例性实施例总体涉及机器学习技术，更具体地讲，涉及用于深度学习的管理数据表示的方法、用于深度学习的处理数据的方法和执行管理数据表示的方法和处理数据的方法的深度学习系统。

背景技术

存在基于机器学习对数据进行分类的各种方法。在它们当中，使用神经网络或人工神经网络(ANN)对数据进行分类的方法是一个示例。ANN通过建造人脑的细胞结构模型来获得，其中，有效识别模式的处理在人脑的细胞结构模型中被执行。ANN指的是基于软件或硬件的计算模型，并且被设计用于通过应用经由连接线互联的许多人工神经元来模拟生物计算能力。人脑由作为神经的基本单元的神经元构成，并且根据这些神经元之间的不同类型的密集连接来对信息进行加密或解密。ANN中的人工神经元通过对生物神经元功能的简化来获得。ANN通过将具有连接强度的人工神经元进行互联来执行认知或学习处理。最近，已经研究了深度学习处理和服务以克服ANN的限制。

目前，在使用神经网络或人工神经网络对数据进行处理时，通常需要多个异构资源。然而，多个异构资源之间往往无法有效地共享数据，或者通信成本高。

发明内容

本发明构思的至少一个示例性实施例提供一种在由多个异构资源驱动的深度学习系统中动态管理数据表示的方法。

本发明构思的至少一个示例性实施例提供一种在由多个异构资源驱动的深度学习系统中有效处理数据的方法。

本发明构思的至少一个示例性实施例提供一种执行管理数据表示的方法和处理数据的方法的深度学习系统。

根据本发明构思的示例性实施例，提供一种用于深度学习系统的处理数据的方法。深度学习系统由多个异构资源驱动。所述方法包括：当包括多个操作中的至少一个操作的第一任务将被执行时，接收指示第一任务的第一计算路径的第一路径信息。第一计算路径包括包含在第一任务中的操作的顺序和用于执行包括在第一任务中的操作的资源的驱动顺序。所述方法还包括：基于数据表示信息和第一路径信息，设置用于执行包括在第一任务中的操作的资源的数据表示格式。数据表示信息指示所述多个异构资源中的每个异构资源的优化的数据表示格式。

所述方法还可包括：基于第一路径信息和用于执行包括在第一任务中的操作的资源的数据表示格式执行第一任务。

根据本发明构思的示例性实施例，提供一种深度学习系统。所述深度学习系统包括：多个异构资源、第一处理器和第二处理器。当第一任务包括将被所述多个异构资源中的至少一个异构资源执行的多个操作中的至少一个操作时，深度学习系统生成指示第一任务的第一计算路径的第一路径信息。第一计算路径包括包含在第一任务中的操作的顺序和用于执行包括在第一任务中的操作的资源的驱动顺序。第二处理器基于数据表示信息和第一路径信息，设置用于执行包括在第一任务中的操作的资源的数据表示格式。数据表示信息指示所述多个异构资源中的每个异构资源的优化的数据表示格式。