[发明专利]依赖实时上下文的深度学习在审
| 申请号： | 201810366629.6 | 申请日： | 2018-04-23 |
| 公开（公告）号： | CN108734284A | 公开（公告）日： | 2018-11-02 |
| 发明（设计）人： | L·法维舍夫斯基;T·巴昂;Y·法伊斯;J·苏巴格;J·德赖弗斯;A·布莱韦斯;T·施瓦茨 | 申请（专利权）人： | 英特尔公司 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063;G06T1/20 |
| 代理公司： | 上海专利商标事务所有限公司 31100 | 代理人： | 何焜;张欣 |
| 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： | 权重 训练神经网络 训练数据 硬件逻辑 学习 申请 | ||
1.一种装置，包括：
多个执行单元；以及
逻辑，至少部分地包括硬件逻辑，用于：
接收用于训练神经网络的多个数据输入，其中所述数据输入包括训练数据和权重输入；
以第一形式表示所述数据输入；以及
以第二形式表示所述权重输入。
2.如权利要求1所述的装置，其特征在于：
所述第一形式是低精度形式；以及
所述第二形式是高精度形式。
3.如权利要求2所述的装置，其特征在于：
所述数据输入被分配给第一类型的图形处理器；以及
所述权重输入被分配给第二类型的图形处理器。
4.如权利要求3所述的装置，其特征在于，所述第一类型的图形处理器和所述第二类型的图形处理器在单个集成电路上。
5.一种电子设备，包括：
处理器，具有多个执行单元；以及
逻辑，至少部分地包括硬件逻辑，用于：
接收用于训练神经网络的多个数据输入，其中所述数据输入包括训练数据和权重输入；
以第一形式表示所述数据输入；以及
以第二形式表示所述权重输入。
6.如权利要求5所述的电子设备，其特征在于：
所述第一形式是低精度形式；以及
所述第二形式是高精度形式。
7.如权利要求6所述的电子设备，其特征在于：
所述数据输入被分配给第一类型的图形处理器；以及
所述权重输入被分配给第二类型的图形处理器。
8.如权利要求7所述的电子设备，其特征在于，所述第一类型的图形处理器和所述第二类型的图形处理器在单个集成电路上。
9.一种装置，包括：
多个执行单元；以及
逻辑，至少部分地包括硬件逻辑，用于：
在对神经网络的训练操作期间对所述多个执行单元的计算功率进行性能测量；以及
使用所述性能测量来分配用于所述神经网络的数据流。
10.如权利要求9所述的装置，其特征在于，数据流与所述多个执行单元的计算的比率成比例地被分配。
11.如权利要求9所述的装置，其特征在于，数据流与所述多个执行单元的等待时间参数成比例地被分配。
12.一种电子设备，包括：
处理器，具有多个执行单元；以及
在对神经网络的训练操作期间对所述多个执行单元的计算功率进行性能测量；以及
使用所述性能测量来分配用于所述神经网络的数据流。
13.如权利要求12所述的电子设备，其特征在于，数据流与所述多个执行单元的计算的比率成比例地被分配。
14.如权利要求12所述的电子设备，其特征在于，数据流与所述多个执行单元的等待时间参数成比例地被分配。
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/201810366629.6/1.html，转载请声明来源钻瓜专利网。
