用于在机器学习环境下实现智能数据压缩的高效存储器布局制造技术

描述了一种用于促进高效存储器布局以用于在机器学习环境下实现智能数据压缩的机制。如本文所描述的，实施例的一种方法包括：促进将表示图像的初始图块划分成初级多个图块，从而使得所述初级多个图块中的每一个图块被视同为由计算装置的一个或多个处理器处理的独立图像。所述方法可以进一步包括：将所述初级多个图块计算成与本地缓冲器的大小兼容的次级多个图块。所述方法可以进一步包括：将所述多个次级多个图块合并成表示所述图像的最终图块；以及压缩所述最终图块。

Efficient Memory Layout for Intelligent Data Compression in Machine Learning Environment

This paper describes a mechanism for promoting efficient memory placement for intelligent data compression in machine learning environments. As described herein, one method of the embodiment includes facilitating the division of the initial block representing the image into a primary plurality of blocks so that each block in the primary plurality of blocks is treated as a separate image processed by one or more processors of the computing device. The method may further include: calculating the primary multiple blocks into secondary multiple blocks compatible with the size of the local buffer. The method may further include: merging the plurality of sub-blocks into a final block representing the image; and compressing the final block.

【技术实现步骤摘要】
用于在机器学习环境下实现智能数据压缩的高效存储器布局
本文所述的实施例总体上涉及计算机。更具体地，描述了用于促进高效存储器布局以用于在机器学习环境下实现智能数据压缩的实施例。
技术介绍
为了更好地实现数据处理的效率，随着时间地推移，已经提出了压缩方案和存储器布局。然而，常规技术由于资源约束而被严重限制，这在机器学习环境下尤其如此。例如，已知常规方案需要在神经网络中的层上执行多个卷积运算，这经常导致对边界周围数据的过度取出。附图说明以示例性而非限制性方式在附图中展示实施例，在附图中，相同附图标记指示类似元件。图1是根据实施例的处理系统的框图。图2是处理器的实施例的框图，所述处理器具有一个或多个处理器核、集成存储器控制器、以及集成图形处理器。图3是图形处理器的框图，所述图形处理器可以是分立式图形处理单元、或者可以是与多个处理核集成的图形处理器。图4是根据一些实施例的图形处理器的图形处理引擎的框图。图5是根据一些实施例的图形处理器核的硬件逻辑的框图。图6A至图6B展示了根据一些实施例的线程执行逻辑，所述线程执行逻辑包括在图形处理器中采用的处理元件阵列。图7是展示了根据一些实施例的图形处理器本文档来自技高网...

【技术保护点】
1.一种设备，用于促进高效存储器布局以用于实现智能数据压缩，所述设备包括：划分/合并逻辑，用于将表示图像的初始图块划分成初级多个图块，从而使得所述初级多个图块中的每一个图块被视同为由所述设备的一个或多个处理器处理的独立图像；以及计算/预测逻辑，用于将所述初级多个图块计算成与本地缓冲器的大小兼容的次级多个图块，其中，所述划分/合并逻辑进一步用于将所述多个次级多个图块合并成表示所述图像的最终图块，其中，所述计算/预测逻辑用于压缩所述最终图块。

【技术特征摘要】
2017.08.22 US 15/682,7951.一种设备，用于促进高效存储器布局以用于实现智能数据压缩，所述设备包括：划分/合并逻辑，用于将表示图像的初始图块划分成初级多个图块，从而使得所述初级多个图块中的每一个图块被视同为由所述设备的一个或多个处理器处理的独立图像；以及计算/预测逻辑，用于将所述初级多个图块计算成与本地缓冲器的大小兼容的次级多个图块，其中，所述划分/合并逻辑进一步用于将所述多个次级多个图块合并成表示所述图像的最终图块，其中，所述计算/预测逻辑用于压缩所述最终图块。2.如权利要求1所述的设备，进一步包括：检测/观察逻辑，用于检测所述初始图块和所述本地缓冲器的所述大小中的一项或多项。3.如权利要求1所述的设备，其中，所述计算/预测逻辑进一步用于基于所述本地缓冲器的所述大小来预测将所述初级多个图块计算或处理成所述次级图块所必需的一个或多个层中的至少一个层。4.如权利要求1所述的设备，其中，将所述初级多个图块计算成所述次级多个图块包括：在所述一个或多个层中的每一层上对所述初级多个图块进行的卷积和池化中的一项或多项。5.如权利要求1所述的设备，其中，对所述最终图块的压缩是无损的，其中，经压缩最终图块由一个或多个硬件加速器用来对与所述经压缩最终图块相关联的所述图像执行机器或深度学习处理。6.如权利要求1所述的设备，其中，所述一个或多个处理器包括主控所述一个或多个硬件加速器的图形处理器，所述一个或多个硬件加速器包括一个或多个机器学习硬件加速器。7.如权利要求6所述的设备，其中，所述图形处理器与应用处理器共同定位在公共半导体封装体上。8.一种用于促进高效存储器布局以用于实现智能数据压缩的方法，所述方法包括：将表示图像的初始图块划分成初级多个...

【专利技术属性】
技术研发人员：B·答加，A·辛格，P·简杜拉，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：美国,US