Provides information processing methods and information processing systems for machine learning models that can efficiently determine the required hardware performance requirements. In the information processing method, the processor is used to determine the composition of the machine learning model, to execute the first judgment of whether the machine learning model that is determined satisfies the first performance requirement of the hardware performance, to execute the learning using the machine learning model that satisfies the first performance requirement, and to execute the learning completion model that is obtained by learning whether it satisfies the machine learning model. The second judgment of the second performance requirement of the evaluation value of the output is that when the learning completion model satisfies the second performance requirement, the information representing the first performance requirement and the second performance requirement is output. In the first judgment, when the first performance requirement is not satisfied, the composition of the machine learning model is changed and the machine learning model formed after the change is executed. The first judgment of whether the first performance requirement is satisfied or not.
【技术实现步骤摘要】
信息处理方法以及信息处理系统
本公开涉及决定机器学习中使用的机器学习模型的信息处理方法以及信息处理系统。
技术介绍
专利文献1公开了一种学习方法,在使用了神经网络的学习中,通过使用遗传算法,进行使神经网络的单元数变化的处理,并且,进行该学习的中止。在先技术文献专利文献1:日本特开2017-97807号公报
技术实现思路
专利技术要解决的技术问题但是,在专利文献1中,未考虑利用机器学习结果的硬件的性能,因此,难以高效地决定满足该硬件的性能要件的机器学习模型。因此,在本公开中,目的在于提供一种能够高效地决定满足所要求的硬件的性能要件的机器学习模型的信息处理方法以及信息处理系统。用于解决技术问题的技术方案本公开的一技术方案涉及的信息处理方法,包括:使用处理器,决定机器学习模型的构成,执行所决定的所述构成的所述机器学习模型是否满足第1性能要件的第1判定,所述第1性能要件是对硬件性能的要件,在所述第1判定中判定为满足所述第1性能要件的情况下,使用判定为满足所述第1性能要件的构成的机器学习模型来执行学习,执行由学习得到的学习完成模型是否满足第2性能要件的第2判定,所述第2性能要件是对机器学习模型的输出的评价值的要件,在所述第2判定中判定为所述学习完成模型满足所述第2性能要件的情况下,输出表示满足所述第1性能要件及所述第2性能要件的信息,在所述第1判定中判定为不满足所述第1性能要件的情况下,改变所述机器学习模型的构成,执行改变后的所述构成的所述机器学习模型是否满足所述第1性能要件的所述第1判定。此外,这是总括的或者具体的技术方案既可以由系统、装置、集成电路、计算机程序或计算 ...
【技术保护点】
1.一种信息处理方法,包括:使用处理器,决定机器学习模型的构成,执行所决定的所述构成的所述机器学习模型是否满足第1性能要件的第1判定,所述第1性能要件是对硬件性能的要件,在所述第1判定中判定为满足所述第1性能要件的情况下,使用判定为满足所述第1性能要件的构成的机器学习模型来执行学习,执行由学习得到的学习完成模型是否满足第2性能要件的第2判定,所述第2性能要件是对机器学习模型的输出的评价值的要件,在所述第2判定中判定为所述学习完成模型满足所述第2性能要件的情况下,输出表示满足所述第1性能要件及所述第2性能要件的信息,在所述第1判定中判定为不满足所述第1性能要件的情况下,改变所述机器学习模型的构成,执行改变后的所述构成的所述机器学习模型是否满足所述第1性能要件的所述第1判定。
【技术特征摘要】
2017.11.17 JP 2017-221690;2018.06.11 JP 2018-111071.一种信息处理方法,包括:使用处理器,决定机器学习模型的构成,执行所决定的所述构成的所述机器学习模型是否满足第1性能要件的第1判定,所述第1性能要件是对硬件性能的要件,在所述第1判定中判定为满足所述第1性能要件的情况下,使用判定为满足所述第1性能要件的构成的机器学习模型来执行学习,执行由学习得到的学习完成模型是否满足第2性能要件的第2判定,所述第2性能要件是对机器学习模型的输出的评价值的要件,在所述第2判定中判定为所述学习完成模型满足所述第2性能要件的情况下,输出表示满足所述第1性能要件及所述第2性能要件的信息,在所述第1判定中判定为不满足所述第1性能要件的情况下,改变所述机器学习模型的构成,执行改变后的所述构成的所述机器学习模型是否满足所述第1性能要件的所述第1判定。2.根据权利要求1所述的信息处理方法,在所述第2判定中判定为不满足所述第2性能要件的情况下,以与前次执行的学习不同的参数执行所述学习,执行通过以所述不同的参数的所述学习得到的学习完成模型是否满足所述第2性能要件的所述第2判定,在判定为不满足所述第2性能要件的次数为第1次数以上的情况下,改变所述机器学习模型的构成,执行改变后的所述构成的所述机器学习模型是否满足所述第1性能要件的所述第1判定。3.根据权利要求1或者2所述的信息处理方法,还包括:对在所述第2判定中判定为满足所述第2性能要件的所述学习完成模型执行轻量化处理,执行通过轻量化处理得到的轻量化模型是否满足第3性能要件的第3判定,所述第3性能要件是对硬件性能的要件,在所述第3判定中判定为满足所述第3性能要件的情况下,输出表示满足所述第3性能要件的信息。4.根据权利要求3所述的信息处理方法,由所述第3性能要件规定的硬件性能的条件比由所述第1性能要件规定的硬件性能的条件严格。5.根据权利要求3或者4所述的信息处理方法,在所述第3判定中判定为不满足所述第3性能要件的所述轻量化模型的硬件性能满足第1条件的情况下,以与前次执行的轻量化处理不同的参数执行所述轻量化处理,执行通过以所述不同的参数的所述轻量化处理得到的轻量化模型是否满足所述第3性能要件的所述第3判定。6.根据权利要求3~5中任一项所述的信息处理方法,(i)在所述第3判定中判定为不满足所述第3性能要件的所述轻量化模型的硬件性能不满足第1条件的情况下、或者(ii)在判定为不满足所述第3性能要件的次数为第2次数以上的情况下,改变所述机器学习模型的构成,执行改变后的所述构成的所述机器学...
【专利技术属性】
技术研发人员:中田洋平,
申请(专利权)人:松下知识产权经营株式会社,
类型:发明
国别省市:日本,JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。