[發明專利]對機器學習模型的動態分布訓練在審
| 申請號： | 201810367099.7 | 申請日： | 2018-04-23 |
| 公開（公告）號： | CN108734642A | 公開（公告）日： | 2018-11-02 |
| 發明（設計）人： | A·考克;A·R·阿普;K·辛哈;J·雷;B·文布;E·烏爾德-阿邁德-瓦爾;S·S·巴格索克希;姚安邦;K·尼利斯;陳曉明;J·C·韋斯特;J·E·高茨克里奇;P·薩蒂;C·薩科斯維爾;F·阿赫巴里;N·R·薩蒂什;馬立偉;J·波特森;E·努維塔蒂;T·T·施呂斯列爾;A·N·沙阿;J·肯尼迪;V·蘭甘納坦;S·加哈吉達 | 申請（專利權）人： | 英特爾公司 |
| 主分類號： | G06T1/20 | 分類號： | G06T1/20;G06F9/50 |
| 代理公司： | 上海專利商標事務所有限公司 31100 | 代理人： | 何焜;黃嵩泉 |
| 地址： | 美國加利*** | 國省代碼： | 美國;US |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 機器學習模型 動態分布 工作負荷分配 工作負荷 硬件邏輯 申請 分析 | ||
1.一種裝置，包括：
多個計算引擎，包括邏輯，所述邏輯至少部分地包括硬件邏輯，用于訓練神經網絡；以及
硬件引擎，用于使權重更新過程加速以用于訓練所述神經網絡。
2.如權利要求1所述的裝置，其特征在于：
所述硬件引擎實現用于使來自所述神經網絡中的多個節點的權重平均的快速操作。
3.如權利要求2所述的裝置，其特征在于：
所述神經網絡包括多個子神經網絡；以及
每個子神經網絡被分開地訓練。
4.如權利要求3所述的裝置，其特征在于：
所述多個子神經網絡根據優先級操作。
5.如權利要求4所述的裝置，其特征在于：
第一子神經網絡的輸出可以被提供為第二子神經網絡的輸入。
6.如權利要求1所述的裝置，其特征在于：
所述神經網絡的決策例程在至少兩個不同計算引擎上執行。
7.如權利要求6所述的裝置，其特征在于，進一步包括邏輯，所述邏輯至少部分地包括硬件邏輯，用于：
對在所述至少兩個不同計算引擎上執行的所述決策例程的結果進行比較。
8.如權利要求7所述的裝置，其特征在于，進一步包括驅動器，所述驅動器包括邏輯，所述邏輯至少部分地包括硬件邏輯，用于：
如果在所述至少兩個不同計算引擎上執行的所述決策例程的結果匹配，則繼續處理。
9.如權利要求8所述的裝置，其特征在于，進一步包括邏輯，所述邏輯至少部分地包括硬件邏輯，用于：
通過使用在所述至少兩個不同計算引擎上執行的所述決策例程的結果來生成循環冗余校驗(CRC)。
10.如權利要求1所述的裝置，其特征在于，所述多個計算引擎在單個集成電路上。
11.一種電子設備，包括：
處理器，具有多個計算引擎，所述多個計算引擎包括邏輯，所述邏輯至少部分地包括硬件邏輯，用于訓練神經網絡；以及
硬件引擎，用于使權重更新過程加速以用于訓練所述神經網絡。
12.如權利要求11所述的電子設備，其特征在于：
所述硬件引擎實現用于使來自所述神經網絡中的多個節點的權重平均的快速操作。
13.如權利要求12所述的電子設備，其特征在于：
所述神經網絡包括多個子神經網絡；以及
每個子神經網絡被分開地訓練。
14.如權利要求13所述的電子設備，其特征在于，進一步包括邏輯，其中：
所述多個子神經網絡根據優先級操作。
15.如權利要求14所述的電子設備，其特征在于：
第一子神經網絡的輸出可以被提供為第二子神經網絡的輸入。
16.如權利要求11所述的電子設備，其特征在于：
所述神經網絡的決策例程在至少兩個不同計算引擎上執行。
17.如權利要求16所述的電子設備，其特征在于，進一步包括邏輯，所述邏輯至少部分地包括硬件邏輯，用于：
對在所述至少兩個不同計算引擎上執行的所述決策例程的結果進行比較。
18.如權利要求17所述的電子設備，其特征在于，進一步包括驅動器，所述驅動器包括邏輯，所述邏輯至少部分地包括硬件邏輯，用于：
如果在所述至少兩個不同計算引擎上執行的所述決策例程的結果匹配，則繼續處理。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于英特爾公司，未經英特爾公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201810367099.7/1.html，轉載請聲明來源鉆瓜專利網。
