【技术实现步骤摘要】
【国外来华专利技术】使用合成数据和创新生成网络进行深度神经网络的高级和增强训练的方法和系统
本专利技术的实施例属于数据处理领域，包括图像处理、图形处理和机器学习。更特别地，本专利技术的实施例涉及用于使用合成数据和创新生成网络进行深度神经网络的高级和增强训练的方法和系统的方法和系统。
技术介绍
当前的并行图形数据处理包括被开发以对图形数据实行特定操作的系统和方法，这些特定操作诸如例如线性内插、曲面细分、栅格化、纹理映射、深度测试等。传统上，图形处理器使用了固定功能计算单元来处理图形数据；然而，最近，图形处理器的多个部分已变得可编程，从而使得这样的处理器能够支持用于处理顶点和片段数据的更广泛种类的操作。为了进一步提高性能，图形处理器通常实现处理技术（诸如，流水线操作），这些处理技术试图贯穿图形流水线的不同部分来并行处理尽可能多的图形数据。具有单指令多线程（SIMT）架构的并行图形处理器被设计成最大化图形流水线中的并行处理量。在SIMT架构中，多组并行线程试图尽可能经常地一起同步执行程序指令，以提高处理效率。在SIMT架构中，多组并行线程尝试尽可能经常地一起同步执行程序指令，以提高处理效率...
【技术保护点】
1.一种深度神经网络（DNN）训练方法包括：使用合成数据来训练DNN；使用上下文数据来训练多个DNN；将使用上下文数据训练的DNN的特征与利用合成数据训练的DNN的特征相关联；以及使用相关联的特征来生成增强的DNN。
【技术特征摘要】
【国外来华专利技术】1.一种深度神经网络（DNN）训练方法包括：使用合成数据来训练DNN；使用上下文数据来训练多个DNN；将使用上下文数据训练的DNN的特征与利用合成数据训练的DNN的特征相关联；以及使用相关联的特征来生成增强的DNN。2.如权利要求1所述的方法，进一步包括：通过所述增强的DNN来接收真实输入；以及使用所述增强的DNN来提供所述输入的预测结果。3.如权利要求1所述的方法，其中，生成增强的DNN，添加来自使用上下文数据训练的每个DNN的最后卷积层，所述使用上下文数据训练的每个DNN具有来自利用合成数据训练的DNN的最后卷积层。4.如权利要求3所述的方法，进一步包括：仅重新训练所添加的卷积层。5.一种用于服务器的系统包括：处理核，具有深度神经网络（DNN）；I/O中枢控制器，其耦合到所述处理核，并且为所述处理核提供网络、数据存储和DNN访问；以及图形处理器，用以使用合成数据来训练DNN，使用上下文数据来训练多个DNN，将使用上下文数据训练的DNN的特征与利用合成数据训练的DNN的特征相关联，以及利用相关联的特征来生成增强的DNN。6.如权利要求5所述的系统，其中所述图形处理器用以通过所述增强的DNN来接收真实输入，以及使用所述增强的DNN来提供所述输入的预测结果。7.如权利要求5所述的系统，其中所述图形处理器用以生成增强的DNN，添加来自使用上下文数据训练的每个DNN的最后卷积层，所述使用上下文数据训练的每个DNN具有来自利用合成数据训练的DNN的最后卷积层。8.如权利要求7所述的系统，其中所述图形处理器仅重新训练所添加的卷积层。9.一种深度神经网络（DNN）训练方法包括：处理具有所标记的信息的合成的标记图像以生成视觉逼真的图像；对真实的未标记图像和使用来自合成的标记图像的所标记的信息所生成的视觉逼真的图像进行处理；以及区分经处理的真实的未标记图像和所述视觉逼真的图像，以确定所述视觉逼真的图像是真实数据还...
【专利技术属性】
技术研发人员：姚安邦，S王，W程，D蔡，L王，L徐，P胡，郭怡文，L杨，Y候，Z苏，Y陈，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：美国,US
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。