This paper describes a mechanism for general-purpose input/output data capture and neural caching systems for autonomous machines. As described herein, the method of the embodiment includes capturing one or more images of one or more objects by an image capture device, wherein the one or more images represent input data associated with a neural network. The method may further include determining the accuracy of the first output result by comparing the first output generated by the default neural caching system with the second output predicted by the custom neural caching system. The method may further include outputting the final output including at least one of the first output result or the second output result based on the accuracy described.
【技术实现步骤摘要】
【国外来华专利技术】自主机器的通用输入/输出数据捕获和神经高速缓存系统
本文所描述的实施例总体上涉及计算机。更具体地,描述了一种用于促进自主机器的通用输入/输出数据捕获和神经高速缓存系统的实施例。
技术介绍
诸如机器人等自主机器需要实时识别和控制任务(诸如,同步定位与建图(SLAM))以在加速度计与其他传感器数据之间或在对特定工作地点中的对象进行识别时维持平衡。使用常规通用计算机算法和硬件来实施这种动作是复杂且昂贵的。甚至神经网络算法和硬件在使用时也需要对所有特定情况进行训练,并且因此它们对于自主机器经常遇到的多变且未预料到的环境不是非常有用。附图说明在所附附图的各图中,以示例方式而不以限制方式对实施例进行说明,其中相同的附图标记指代类似的要素。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的图形处理单元,或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是图形处理器的另一实施例的框图。图6图示出线程执行逻辑,所述线程执行逻辑包括在图形处理引擎的一些实施例中采用的处理元件的阵列。图7是图示出根据一些实施例的图形处理器指令格式的框图。图8是图形处理器的另一实施例的框图。图9A是图示出根据实施例的图形处理器命令格式的框图。图9B是图示出根据实施例的图形处理器命令序列的框图。图10图示出根据一些实施例的用于数据处理系统的示例性图形软件架构。图11是图示出根据实施例的可用于制造集成电路以执行操作的IP核开发 ...
【技术保护点】
1.一种用于促进用于自主机器的通用输入/输出数据捕获和神经高速缓存系统的设备,所述设备包括:数据捕获逻辑,用于捕获一个或多个对象的一个或多个图像,其中,所述一个或多个图像表示与神经网络相关联的输入数据;性能决策逻辑,用于通过将由默认神经高速缓存系统生成的第一输出结果与由自定义神经高速缓存系统预测的第二输出结果进行比较来确定所述第一输出结果的准确性;以及神经网络执行逻辑,用于基于所述准确性来输出包括所述第一输出结果或所述第二输出结果中的至少一者的最终输出结果。
【技术特征摘要】
【国外来华专利技术】1.一种用于促进用于自主机器的通用输入/输出数据捕获和神经高速缓存系统的设备,所述设备包括:数据捕获逻辑,用于捕获一个或多个对象的一个或多个图像,其中,所述一个或多个图像表示与神经网络相关联的输入数据;性能决策逻辑,用于通过将由默认神经高速缓存系统生成的第一输出结果与由自定义神经高速缓存系统预测的第二输出结果进行比较来确定所述第一输出结果的准确性;以及神经网络执行逻辑,用于基于所述准确性来输出包括所述第一输出结果或所述第二输出结果中的至少一者的最终输出结果。2.如权利要求1所述的设备,其中,所述神经网络执行逻辑进一步用于基于所述准确性来接通或断开所述默认神经高速缓存系统和所述自定义神经高速缓存系统中的至少一者的一个或多个部件,其中,使用图像捕获装置来捕获所述一个或多个图像。3.如权利要求2所述的设备,其中,如果所预测的第二输出结果被确定为比所生成的第一输出结果更准确,则断开所述默认神经高速缓存系统,其中,如果所述生成的第一输出结果被确定为比所预测的第二输出结果更准确,则断开所述自定义神经高速缓存系统。4.如权利要求1所述的设备,进一步包括:输入数据分叉器,用于向所述自定义神经高速缓存系统提供所述输入数据以供处理,其中,所述输入数据由所述输入数据分叉器分开用于高速缓存目的和训练目的,以及输出结果结合器,用于将有待由所述性能决策逻辑进行比较的所述第一输入结果与所述第二输出结果结合。5.如权利要求1所述的设备,进一步包括:数据标记逻辑,用于将标记对和依赖性标记中的至少一者关联至所述输入数据和所述第一输出结果;并且所述数据捕获逻辑用于从输入数据分叉器捕获所述输入数据,其中,所述数据捕获逻辑进一步用于接收所述标记对、所述依赖性标记和所述第一输出结果中的一个或多个。6.如权利要求5所述的设备,进一步包括数据存储逻辑,所述数据存储逻辑用于从所述数据捕获逻辑接收所述输入数据、所述标记对、所述依赖性标记、和所述第一输出结果中的一个或多个,其中,所述数据存储逻辑用于存储所述输入数据、所述标记对、所述依赖性标记、和所述第一输出结果中的一个或多个。7.如权利要求1所述的设备,进一步包括网络模型训练逻辑,所述网络模型训练逻辑用于:基于所述准确性来训练所述默认神经高速缓存系统,以促进所训练的神经模型预测所述第二输出结果。8.如权利要求1所述的设备,其中,所述输入捕获装置包括一个或多个相机、一个或多个机器人眼睛、一个或多个麦克风、以及一个或多个传感器中的至少一者,其中,所述设备包括自主机器或人工智能代理,其中,所述自主机器包括一个或多个机器人、一个或多个无人驾驶车辆、以及一个或多个自操作设备中的至少一者。9.一种用于促进用于自主机器的通用输入/输出数据捕获和神...
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。