“J·T·胡耶恩”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果7个，建议您升级VIP下载更多相关专利

[发明专利]算子的层次分区-CN202080081227.7在审
发明人： A·贾殷;刘忆智;郑洪滨;J·T·胡耶恩;李海辰;D·博尔科维奇;J·泽达;R·J·希顿;R·R·黄;Z·陈;王贻达 -专利权人：亚马逊技术股份有限公司
申请日： 2020-11-10 - 公布日： 2022-07-29 - 主分类号： G06N3/063 文献下载
摘要：提供用于对神经网络的算子进行层次分区以在加速引擎上执行的方法和设备。神经网络使用神经网络算子构建在机器学习框架中。所述神经网络算子被编译成用于所述加速引擎的可执行代码。新框架级算子的开发可能会超出将新开发的框架级算子映射到所述加速引擎的能力。为了使神经网络能够在加速引擎上执行，可以使用层次分区来对所述神经网络的所述算子进行分区。所述层次分区可识别编译器支持在所述加速引擎上执行的算子、进行编译以在主机处理器上执行的算子，以及要在所述机器学习框架上执行的算子。
算子层次分区

[发明专利]处理元件阵列的高效利用-CN202080082044.7在审
发明人： J·T·胡耶恩;R·戴尔蒙特;郑洪滨;刘忆智;A·贾殷;王贻达;V·沙尔玛;R·J·希顿;R·R·黄;S·阿米里尼;D·博尔科维奇 -专利权人：亚马逊技术股份有限公司
申请日： 2020-11-13 - 公布日： 2022-07-15 - 主分类号： G06F9/38 文献下载
摘要：一种计算机实现的方法包括：接收用于使用处理元件阵列来实现的神经网络模型，其中所述神经网络模型包括对一组输入特征图和一组滤波器进行的卷积操作。所述方法还包括：基于所述神经网络模型确定所述卷积操作使用所述处理元件阵列中的小于阈值数量的行来向所述组输入特征图应用一组滤波器元素，其中所述组滤波器元素包括所述组滤波器中的每个滤波器中的一个滤波器元素。所述方法还包括：为所述卷积操作并基于所述神经网络模型生成第一指令和第二指令，以由所述处理元件阵列中的相应行执行，其中所述第一指令和所述第二指令使用所述组滤波器中的滤波器的不同滤波器元素。
处理元件阵列高效利用

[发明专利]使用脉动阵列的转置卷积-CN202080066641.0在审
发明人： J·T·胡耶恩;V·维韦克拉亚 -专利权人：亚马逊技术股份有限公司
申请日： 2020-09-21 - 公布日： 2022-05-03 - 主分类号： G06N3/04 文献下载
摘要：在一个实例中，神经网络加速器可以执行一组指令以：将第一权重数据元素从存储器加载到脉动阵列中，所述第一权重数据元素具有第一坐标；从所述指令中提取指示待从所述存储器获得的输入数据元素的第一子集的信息，所述第一子集基于转置卷积操作的步幅和权重数据元素的经旋转阵列中的第一权重数据元素的第二坐标；基于所述信息从所述存储器获得输入数据元素的所述第一子集；将输入数据元素的所述第一子集加载到所述脉动阵列中；并且基于所述第一权重数据元素和输入数据元素的所述第一子集控制所述脉动阵列以执行第一计算以产生输出数据元素的阵列的输出数据元素。
使用脉动阵列卷积

[发明专利]用于并行执行的神经网络操作重新排序-CN202080045187.0在审
发明人： J·T·胡耶恩;D·博尔科维奇;J·泽达;R·R·黄;R·戴尔蒙特 -专利权人：亚马逊技术股份有限公司
申请日： 2020-06-11 - 公布日： 2022-02-08 - 主分类号： G06N3/063 文献下载
摘要：公开了用于对神经网络的操作重新排序以改善运行时效率的技术。在一些示例中，编译器接收包括多个操作的所述神经网络的描述。所述编译器可确定多个执行引擎中的哪一执行引擎将执行所述多个操作中的每一者。所述编译器可确定与所述多个操作相关联的执行次序。所述编译器可基于所述执行次序和所述多个操作中的每一者的硬件使用情况而标识运行时低效情况。可对操作重新排序以减少所述运行时低效情况。可基于所述多个操作编译指令，所述多个操作包含重新排序的所述操作。
用于并行执行神经网络操作重新排序

[发明专利]使用脉动阵列的扩张卷积-CN202080045813.6在审
发明人： J·T·胡耶恩;R·戴尔蒙特 -专利权人：亚马逊技术股份有限公司
申请日： 2020-06-26 - 公布日： 2022-02-08 - 主分类号： G06N3/04 文献下载
摘要：在一个实例中，一种非暂时性计算机可读介质存储若干指令，所述指令在由一个或多个硬件处理器执行时使所述一个或多个硬件处理器：将权重数据元素阵列的第一权重数据元素从存储器加载到脉动阵列中；将输入数据元素的子集从所述存储器选入到所述脉动阵列中以执行扩张卷积操作的第一计算，所述子集基于所述扩张卷积操作的速率和所述权重数据元素阵列内的权重数据元素的坐标而选择；并且控制所述脉动阵列以基于所述第一权重数据元素和所述子集执行所述第一计算，以产生输出数据阵列的第一输出数据元素。还提供了产生所述指令的编译器的实例。
使用脉动阵列扩张卷积

[发明专利]使用处理元件阵列的转置运算-CN202080045257.2在审
发明人：李海辰;R·戴尔蒙特;J·T·胡耶恩;周禹;S·J·奥 -专利权人：亚马逊技术股份有限公司
申请日： 2020-06-25 - 公布日： 2022-02-01 - 主分类号： G06F7/78 文献下载
摘要：本发明提供了用于使用处理元件阵列运算来转置张量的系统和方法。在一些情况下，可能需要转置张量的元素以执行矩阵运算。可以将所述张量分解成维度与脉动阵列的维度一致的数据元素块。可以对加载到脉动阵列中的每个数据元素块执行恒等乘法，并且在结果缓冲器的列分区中对乘积求和。然后，可以将结果缓冲器的所述列分区中的所述数据元素映射到缓冲存储器的行分区以供进一步处理。
使用处理元件阵列运算

[发明专利]神经网络逐层调试-CN202080045618.3在审
发明人： J·泽达;J·T·胡耶恩;D·博尔科维奇;S·J·奥;R·戴尔蒙特;R·R·黄 -专利权人：亚马逊技术股份有限公司
申请日： 2020-06-26 - 公布日： 2022-02-01 - 主分类号： G06N3/063 文献下载
摘要：公开用于对目标处理器上的神经网络执行进行调试的技术。参考处理器可生成神经网络的多个第一参考张量。可反复地减小所述神经网络以产生多个长度。针对所述长度中的每一者，编译器将所述神经网络转换成第一机器指令，所述目标处理器执行所述第一机器指令以生成第一装置张量，并且调试器程序确定所述第一装置张量是否匹配第一参考张量。标识其中所述第一装置张量不匹配所述第一参考张量的最短长度。针对最短神经网络的较低层级中间表示来启用张量输出，并且将所述神经网络转换成第二机器指令，由所述目标处理器执行所述第二机器指令以生成第二装置张量。
神经网络调试