[发明专利]使用启用列读取的存储器来实行随机稀疏提升和普罗克拉斯提斯正交稀疏散列的技术

说明书

用于使用启用列读取的存储器来实行随机稀疏提升和普罗克拉斯提斯正交稀疏散列的技术包括：一种设备，其具有列可寻址的存储器、以及连接到存储器的电路。所述电路被配置成将输入数据向量集合添加到存储器作为二进制维度扩展向量集合，包括将每个输入数据向量与投影矩阵相乘。所述电路还被配置成从搜索数据向量产生搜索散列码，包括将搜索数据向量与投影矩阵相乘。此外，所述电路被配置成确定搜索散列码与每一个二进制维度扩展向量之间的汉明距离。

背景技术

基于内容的相似性搜索（或简称为相似性搜索）是支持机器学习（ML）和人工智能应用（AI）的关键技术。在实行相似性搜索时，查询数据（诸如，指示对象（例如，图像）的数据）被用来搜索数据库以标识指示相似对象（例如，相似图像）的数据。然而，在大规模相似性搜索中使用的数据的庞大量和丰富性是一个极具挑战性的问题，其既是计算密集型也是存储器密集型的。

附图说明

在附图中作为示例而非作为限制图示了本文中描述的概念。为了说明的简洁和清楚起见，各图中图示的元件不一定按比例绘制。在认为适当的情况下，附图标记已经在各图当中被重复以指示对应或类似的元件。

图1是用于使用启用列读取的存储器来实行相似性搜索加速的计算设备的至少一个实施例的简化示图；

图2是在图1的计算设备中包括的存储器介质的至少一个实施例的简化示图；

图3是在双列直插式存储器模块（DIMM）中的图1的计算设备的存储器介质的至少一个实施例的简化示图；

图4是使用图1-3的存储器介质上的二进制搜索关键字而实行的随机关联搜索（SAS）的简化示图；

图5是可以使用图1的计算设备来实现的基于内容的图像检索（CBIR）系统的至少一个实施例的简化示图；

图6是用于图5的CBIR系统的基于深度学习的相似性搜索工作流程的简化示图；

图7是可以使用图1的计算设备的存储器介质来实现的随机稀疏提升（RSL）数据和控制流相似性搜索流水线的示图；

图8是可以使用图1的计算设备来实现的用于随机稀疏提升（RSL）的算法流水线和用于实行RSL的数学方程的示图；

图9是图8的RSL流水线的阶段的硬件映射的示图；

图10是可以由图1的计算设备利用以实行普罗克拉斯提斯（procrustean）正交稀疏散列（POSH）的流程图；

图11是可以使用图1的计算设备来实现的POSH相似性搜索流水线的数据和控制流程图；

图12是可以使用图1的计算设备来实现的POSH以及对应的优化问题和封闭形式解（closed-form solution）的算法表示；

图13是可以由图1的计算设备产生的长度1024的散列码中的设置位（set bit）的分布的标绘图；以及

图14-16是可以由图1的计算设备实行的用于实行加速的相似性搜索的方法的至少一个实施例的流程图。

具体实施方式

尽管本公开的概念容易受到各种修改和替代形式的影响，但是其具体实施例已作为示例在附图中示出，并且将在本文中进行详细描述。然而，应该理解的是，没有意图将本公开的概念限于所公开的特定形式，而是相反，意图是覆盖与本公开和所附权利要求书一致的所有修改、等同物和替代方案。

说明书中对“一个实施例”、“实施例”、“说明性实施例”等的引用指示所描述的实施例可以包括特定特征、结构或特性，但是每个实施例可能包括或可能不一定包括该特定特征、结构或特性。此外，这种短语不一定指代同一实施例。此外，当结合实施例描述特定特征、结构或特性时，认为结合其他实施例（无论是否被明确描述）来实现这种特征、结构或特性是在本领域技术人员的知识范围内的。附加地，应该领会到，以“至少一个A、B和C”的形式包括在列表中的项可以意指（A）；（B）；（C）；（A和B）；（A和C）；（B和C）；或（A、B和C）。类似地，以“A、B或C中的至少一个”的形式列出的项可以意指（A）；（B）；（C）；（A和B）；（A和C）；（B和C）；或（A、B和C）。