原位神经网络协同处理制造技术

一种用于在神经网络中执行协同处理的方法包括将该神经网络的一部分交换至第一处理节点达一时间段。该方法还包括用第一处理节点来执行神经网络的该部分。另外，该方法包括在该时间段之后将神经网络的该部分返回给第二处理节点。此外，该方法包括用第二处理节点来执行神经网络的该部分。

【技术实现步骤摘要】
【国外来华专利技术】相关申请的交叉引用本申请要求于2014年2月21日提交且题为“IN SITU NEURAL NETWORK CO-PROCESSING(原位神经网络协同处理)”的美国临时专利申请No.61/943,155的权益，其公开内容通过援引全部明确纳入于此。背景领域本公开的某些方面一般涉及神经系统工程，并且尤其涉及用于原位神经网络协同处理的系统和方法。背景可包括一群互连的人工神经元(即，神经元模型)的人工神经网络是一种计算设备或者表示将由计算设备执行的方法。人工神经网络可具有生物学神经网络中的对应的结构和/或功能。然而，人工神经网络可为其中传统计算技术是麻烦的、不切实际的、或不胜任的某些应用提供创新且有用的计算技术。由于人工神经网络能从观察中推断出功能，因此这样的网络在因任务或数据的复杂度使得通过常规技术来设计该功能较为麻烦的应用中是特别有用的。概述在本公开的一方面，公开了一种用于在神经网络中执行协同处理的方法。该方法包括将该神经网络的一部分交换至第一处理节点达一时间段。该方法还包括用第一处理节点来执行神经网络的该部分。另外，该方法包括在该时间段之后将神经网络的该部分返回给第二处理节点。该方法进一步包括用第二处理节点来执行神经网络的该部分。在本公开的另一方面，公开了一种用于在神经网络中执行协同处理的装置。该装置包括存储器以及耦合至该存储器的至少一个处理器。(诸)处理器被配置成将该神经网络的一部分交换至第一处理节点达一时间段。(诸)处理器还被配置成用第一处理节点来执行神经网络的该部分。另外，(诸)处理器被配置成在该时间段之后将神经网络的该部分返回给第二处理节点。(诸)处理器被进一步配置成用第二处理节点来执行神经网络的该部分。在本公开的又一方面，公开了一种用于在神经网络中执行协同处理的设备。该设备具有用于将该神经网络的一部分交换至第一处理节点达一时间段的装置。该设备还具有用于用第一处理节点来执行神经网络的该部分的装置。另外，该设备具有用于在该时间段之后将神经网络的该部分返回给第二处理节点的装置。该设备进一步包括用于用第二处理节点来执行神经网络的该部分的装置。在本公开的又一方面，公开了一种用于在神经网络中执行协同处理的计算机程序产品。该计算机程序产品包括其上编码有程序代码的非瞬态计算机可读介质。该程序代码包括用于将该神经网络的一部分交换至第一处理节点达一时间段的程序代码。该程序代码还包括用于用第一处理节点来执行神经网络的该部分的程序代码。另外，该程序代码包括用于在该时间段之后将神经网络的该部分返回给第二处理节点的程序代码。该程序代码进一步包括用于用第二处理节点来执行神经网络的该部分的程序代码。这已较宽泛地勾勒出本公开的特征和技术优势以便下面的详细描述可以被更好地理解。本公开的附加特征和优点将在下文描述。本领域技术人员应该领会，本公开可容易地被用作修改或设计用于实施与本公开相同的目的的其他结构的基础。本领域技术人员还应认识到，这样的等效构造并不脱离所附权利要求中所阐述的本公开的教导。被认为是本公开的特性的新颖特征在其组织和操作方法两方面连同进一步的目的和优点在结合附图来考虑以下描述时将被更好地理解。然而，要清楚理解的是，提供每一幅附图均仅用于解说和描述目的，且无意作为对本公开的限定的定义。附图简述在结合附图理解下面阐述的详细描述时，本公开的特征、本质和优点将变得更加明显，在附图中，相同附图标记始终作相应标识。图1解说了根据本公开的某些方面的示例神经元网络。图2解说了根据本公开的某些方面的计算网络(神经系统或神经网络)的处理单元(神经元)的示例。图3解说了根据本公开的某些方面的尖峰定时依赖可塑性(STDP)曲线的示例。图4解说了根据本公开的某些方面的用于定义神经元模型的行为的正态相和负态相的示例。图5解说了根据本公开的某些方面的使用通用处理器来设计神经网络的示例实现。图6解说了根据本公开的某些方面的设计其中存储器可以与个体分布式处理单元对接的神经网络的示例实现。图7解说了根据本公开的某些方面的基于分布式存储器和分布式处理单元来设计神经网络的示例实现。图8解说了根据本公开的某些方面的神经网络的示例实现。图9是解说根据本公开的各方面的神经网络的示例性架构的框图。图10A-F是解说根据本公开的各方面的神经网络中的原位协同处理的示例性框图。图11和12是解说根据本公开的各方面的用于在神经网络中执行协同处理的方法的框图。详细描述以下结合附图阐述的详细描述旨在作为各种配置的描述，而无意表示可实践本文中所描述的概念的仅有的配置。本详细描述包括具体细节以便提供对各种概念的透彻理解。然而，对于本领域技术人员将显而易见的是，没有这些具体细节也可实践这些概念。在一些实例中，以框图形式示出众所周知的结构和组件以避免湮没此类概念。基于本教导，本领域技术人员应领会，本公开的范围旨在覆盖本公开的任何方面，不论其是与本公开的任何其他方面相独立地还是组合地实现的。例如，可以使用所阐述的任何数目的方面来实现装置或实践方法。另外，本公开的范围旨在覆盖使用作为所阐述的本公开的各个方面的补充或者与之不同的其他结构、功能性、或者结构及功能性来实践的此类装置或方法。应当理解，所披露的本公开的任何方面可由权利要求的一个或多个元素来实施。措辞“示例性”在本文中用于表示“用作示例、实例或解说”。本文中描述为“示例性”的任何方面不必被解释为优于或胜过其他方面。尽管本文描述了特定方面，但这些方面的众多变体和置换落在本公开的范围之内。虽然提到了优选方面的一些益处和优点，但本公开的范围并非旨在被限定于特定益处、用途或目标。相反，本公开的各方面旨在能宽泛地应用于不同的技术、系统配置、网络和协议，其中一些作为示例在附图以及以下对优选方面的描述中解说。详细描述和附图仅仅解说本公开而非限定本公开，本公开的范围由所附权利要求及其等效技术方案来定义。示例神经系统、训练及操作图1解说了根据本公开的某些方面的具有多级神经元的示例人工神经系统100。神经系统100可具有神经元级102，该神经元级102通过突触连接网络104(即，前馈连接)来连接到另一神经元级106。为简单起见，图1中仅解说了两级神经元，尽管神经系统中可存在更少或更多级神经元。应注意，一些神经元可通过侧向连接来连接至同层中的其他神经元。此外，一些神经元可通过反馈连接来后向连接至先前层中的神经元。如图1所解说的，级102中的每一个神经元可以接收可由前级的神经元(未在图1中示出)生成的输入信号108。信号108可表示级102的神经元的输入电流。该电流可在神经元膜上累积以对膜电位进行充电。当膜电位达到其阈值时，该神经元可激发并生成输出尖峰，该输出尖峰将被传递到下一级神经元(例如，级106)。在一些建模办法中，神经元可以连续地向下一级神经元传递信号。该信号通常是膜电位的函数。此类行为可在硬件和/或软件(包括模拟和数字实现，诸如以下所述那些实现)中进行仿真或模拟。在生物学神经元中，在神经元激发时生成的输出尖峰被称为动作电位。该电信号是相对迅速、瞬态的神经脉冲，其具有约为100mV的振幅和约为1ms的历时。在具有一系列连通的神经元(例如，尖峰从图1中的一级神经元传递至另一级神经元)的神经系统的特定实施例中，每个动作电位都具本文档来自技高网...

【技术保护点】
一种在神经网络中执行协同处理的方法，包括：将所述神经网络的一部分交换至第一处理节点达一时间段；用所述第一处理节点来执行所述神经网络的所述部分；在所述时间段之后将所述神经网络的所述部分返回给第二处理节点；以及用所述第二处理节点来执行所述神经网络的所述部分。

【技术特征摘要】
【国外来华专利技术】2014.02.21 US 61/943,155;2014.05.08 US 14/273,2141.一种在神经网络中执行协同处理的方法，包括：将所述神经网络的一部分交换至第一处理节点达一时间段；用所述第一处理节点来执行所述神经网络的所述部分；在所述时间段之后将所述神经网络的所述部分返回给第二处理节点；以及用所述第二处理节点来执行所述神经网络的所述部分。2.如权利要求1所述的方法，其特征在于，所述第一处理节点包括单独的硬件核。3.如权利要求1所述的方法，其特征在于，所述第一处理节点包括学习处理核。4.如权利要求3所述的方法，其特征在于，所述学习处理核被配置有比所述第二处理节点更高等级的资源。5.如权利要求3所述的方法，其特征在于，学习是离线或在线地实现的。6.如权利要求5所述的方法，其特征在于，在学习是离线地实现时，所述学习处理核的输入和输出包括所述神经网络的其他层。7.如权利要求1所述的方法，其特征在于：所述第一处理节点包括学习处理核；所述第二处理节点包括静态处理核；交换包括：将所述静态处理核的状态复制到所述学习处理核；以及将输入路由至所述学习处理核，以使得所述学习处理核纳入所述静态处理核的功能；并且返回包括：将所述学习处理核的状态复制到所述静态处理核；以及将控制返回给经修改的静态处理核。8.如权利要求1所述的方法，其特征在于，所述交换包括将来自所述第一处理节点的资源分配给所述第二处理节点。9.如权利要求1所述的方法，其特征在于，所述神经网络的所述部分包括深度置信网络的层。10.如权利要求1所述的方法，其特征在于，所述第一处理节点包括调试核。11.如权利要求1所述的方法，其特征在于，所述交换是在系统性能低于阈值时发生的。12.如权利要求1所述的方法，其特征在于，所述返回是在系统性能高于阈值时发生的。13.如权利要求1所述的方法，其特征在于，所述交换或返回是在电源被施加于系统时发生的。14.一种用于在神经网络中执行协同处理的装置，包括：存储器；以及耦合至所述存储器的至少一个处理器，所述至少一个处理器被配置成：将所述神经网络的一部分交换至第一处理节点达一时间段；用所述第一处理节点来执行所述神经网络的所述部分；在所述时间段之后将所述神经网络的所述部分返回给第二处理节点；以及用所述第二处理节点来执行所述神经网络的所述部分。15.如权利要求14所述的装置，其特征在于，所述第一处理节点包括单独的硬件核。16.如权利要求14所述...

【专利技术属性】
技术研发人员：M·坎伯斯，A·路易斯，N·G·劳，
申请(专利权)人：高通股份有限公司，
类型：发明
国别省市：美国;US