信息处理装置和信息处理方法制造方法及图纸

[问题]为神经网络的硬件实现提供有用的设计帮助。[解决方案]提供了一种信息处理装置，该信息处理装置设置有控制单元，所述控制单元在为硬件处理优化所设计的神经网络的网络结构的至少一部分的情况下，控制提供关于优化结构的信息。此外，提供了一种信息处理方法，包括在为硬件处理优化所设计的神经网络的网络结构的至少一部分的情况下，使处理器控制提供关于优化结构的信息。

【技术实现步骤摘要】
【国外来华专利技术】信息处理装置和信息处理方法
本公开涉及一种信息处理装置和一种信息处理方法。
技术介绍
近年来，已经开发了使用神经网络的各种功能。此外，已经提出了各种方法来提高神经网络的开发效率。例如，非专利文献1公开了与可用于开发神经网络的软件库相关的信息。引用列表非专利文献非专利文献1：谷歌搜索，“TensorFlow:Large-ScaleMachineLearningonHeterogeneousDistributedSystems”，2015年11月9日，[在线]，[2016年1月12日搜索]，互联网<http://download.tensorflow.org/paper/whitepaper2015.pdf>
技术实现思路
技术问题同时，近年来，还提出了一种方法，其中，通过将神经网络作为硬件来实现，而不是将神经网络作为处理器上的软件来操作，从而以低成本实现高速度。然而，在非专利文献1中公开的软件库中，考虑到神经网络的硬件实现的设计支持可能是不够的。在这方面，本公开提出了新颖且改进的信息处理装置和信息处理方法，其能够提供对神经网络的硬件实现有用的设计支持。问题的解决方案根据本公开，提供了一种信息处理装置，包括：控制单元，控制单元控制呈现与优化结构相关的信息，该优化结构是已经为硬件处理优化所设计的神经网络的网络结构的至少一部分时的优化结构。此外，根据本公开，提供了一种信息处理方法，包括：由处理器控制呈现与优化结构相关的信息的步骤，该优化结构是已经为硬件处理优化所设计的神经网络的网络结构的至少一部分时的优化结构。专利技术的有益效果如上所述，根据本公开，可用提供对神经网络的硬件实现有用的设计支持。注意，上述效果并不总是限制性的，除了或代替上述效果，可以获得本说明书中描述的任何效果或可以从本说明书理解的其他效果。附图说明图1是示出根据本公开的实施方式的信息处理系统的配置示例的框图；图2是示出根据实施方式的信息处理终端的功能配置示例的框图；图3是示出根据实施方式的信息处理服务器的功能配置示例的框图；图4是示出根据实施方式的表单的显示示例的示图；图5是用于说明根据实施方式的网络结构的状态转变的示图；图6是用于说明根据实施方式的为了消除划分的目的的优化的示图；图7是用于说明根据实施方式的为了应用移位计算的目的的优化的示图；图8是用于说明根据实施方式的为了应用移位计算的目的的优化的示图；图9是用于说明根据实施方式的为了应用移位计算的目的的优化的示图；图10是用于说明根据实施方式的为了应用移位计算的目的的优化的示图；图11是用于说明根据实施方式的为了应用移位计算的目的的优化的示图；图12是用于说明根据实施方式的为了应用移位计算的目的的优化的示图；图13是用于说明根据实施方式的块结构的通用化的示图；图14是用于说明根据实施方式的在相同类型的层之间使用的组件的通用化的示图；图15是用于说明根据实施方式的为了提高与积和计算以及批量归一化相关的计算处理的效率的目的的优化的示图；图16是用于说明根据实施方式的偏置优化的示图；图17是用于说明根据实施方式的为了消除需要查找表参照的非线性函数的目的的优化的示图；图18是用于说明根据实施方式的为了消除填充的目的的优化的示图；图19是用于说明根据实施方式的为了将跨步的宽度抑制为2或更小的目的的优化的示图；图20是用于说明根据实施方式的为了消除池化区域的重叠的目的的优化的示图；图21是用于说明根据实施方式的为了构造层中使用的内核的目的的优化的示图；图22是用于说明根据实施方式的用于执行代码描述的编程工具中的优化结构的信息呈现的示图；图23是示出根据实施方式的与优化结构相关的信息的呈现的示例的示图；图24是用于说明根据实施方式的基于用户选择的硬件的特征和用户设置的优化设定的信息呈现的示图；图25是示出根据本公开的实施方式的信息处理服务器的硬件配置示例的示图。具体实施方式在下文中，将参考附图详细描述本公开的优选实施方式。注意，在本说明书和附图中，具有基本上相同功能配置的组件由相同的附图标记表示，并且为了避免冗余，将省略其描述。注意，将按以下顺序给出描述。1.实施方式1.1概述1.2系统配置示例1.3信息处理终端10的功能配置1.4信息处理服务器20的功能配置1.5与优化结构相关的信息的呈现1.6与优化结构相关的信息的呈现的示例2.硬件配置示例3.总结<1.实施方式><<1.1概述>>首先，将描述根据本公开的实施方式的概述。如上所述，近年来，已经提出了各种方法来提高神经网络的开发效率。另一方面，还提出了一种方法，其中，通过将神经网络实现为硬件来实现高速处理。然而，在非专利文献1等中公开的软件库中，通常，考虑神经网络的硬件实现的设计支持是不够的。因此，当神经网络被实现为硬件时，硬件设计者需要为硬件调整神经网络，通过软件设计者基于输入数据重复设计、学习和评估而构建该神经网络。在上述工作中，硬件设计者基于输入数据和由软件设计者构建的神经网络重复神经网络的硬件的调整、学习和评估，从而实现神经网络的硬件实现。然而，硬件设计者的调整、学习和评估工作需要大量时间。特别地，由于学习需要大约一天到一个月的时间，因此需要一种方法来提高硬件设计者的上述工作的效率。鉴于上述观点而构思根据本公开的实施方式的技术思想，并且可以提供对神经网络的硬件实现有用的设计支持。根据本公开的实施方式的用于实现信息处理方法的信息处理装置的一个特征在于，该信息处理装置包括控制单元，控制单元控制呈现与优化结构相关的信息，该优化结构是已经为硬件处理优化所设计的神经网络的网络结构的至少一部分时的优化结构。即，根据本公开的实施方式的信息处理装置允许向用户呈现与网络结构的优化相关的各种建议，其中，软件设计者可以预先设计专用于硬件的神经网络。按照根据本公开的实施方式的信息处理装置的前述功能，软件设计者可以考虑硬件实现来容易地设计神经网络，使得可以消除硬件设计者的双重努力，并且显著提高将神经网络实现为硬件的工作效率。在下文中，将详细描述根据本公开的实施方式的信息处理装置的功能特征以及由这些特征产生的效果。<<1.2系统配置示例>>接下来，将描述根据本公开的实施方式的信息处理系统的配置示例。图1是示出根据本实施方式的信息处理系统的配置示例的框图。参考图1，根据本实施方式的信息处理系统包括信息处理终端10和信息处理服务器20。此外，信息处理终端10和信息处理服务器20经由网络30连接，使得可以彼此通信。(信息处理终本文档来自技高网...

【技术保护点】
1.一种信息处理装置，包括：/n控制单元，所述控制单元控制呈现与优化结构相关的信息，所述优化结构是已经为硬件处理优化所设计的神经网络的网络结构的至少一部分时的优化结构。/n

【技术特征摘要】
【国外来华专利技术】20180323 JP 2018-0564681.一种信息处理装置，包括：
控制单元，所述控制单元控制呈现与优化结构相关的信息，所述优化结构是已经为硬件处理优化所设计的神经网络的网络结构的至少一部分时的优化结构。


2.根据权利要求1所述的信息处理装置，其中，
与所述优化结构相关的所述信息包括与当前网络结构和优化后的网络结构之间的差异相关的信息，并且
所述控制单元允许向用户呈现与所述差异相关的信息。


3.根据权利要求1所述的信息处理装置，其中，
与所述优化结构相关的所述信息包括需要执行优化的原因，并且
所述控制单元允许向用户呈现需要执行优化的所述原因。


4.根据权利要求1所述的信息处理装置，其中，
与所述优化结构相关的所述信息包括优化的网络结构，并且
所述控制单元允许向用户呈现所述优化的网络结构。


5.根据权利要求1所述的信息处理装置，其中，所述控制单元允许在用于设计神经网络的编程工具上呈现与所述优化结构相关的所述信息。


6.根据权利要求5所述的信息处理装置，其中，所述控制单元允许在用户编程期间向所述用户动态呈现与所述优化结构相关的所述信息。


7.根据权利要求6所述的信息处理装置，其中，当在所述用户编程期间检测到能够优化的网络结构时，所述控制单元允许向所述用户动态呈现与所述优化结构相关的所述信息。


8.根据权利要求5所述的信息处理装置，其中，基于已经确认与所述优化结构相关的所述信息的用户的批准，所述控制单元允许向所述用户呈现优化的网络结构。


9.根据权利要求5所述的信息处理装置，其中，所述控制单元允许向用户呈现与所述优化结构相关的所述信息，所述优化结构是已经基于所述用户选择的硬件的特征执行了优化时的优化结构。


...

【专利技术属性】
技术研发人员：吉山和树，矢岛匠，池谷亮志，
申请(专利权)人：索尼公司，索尼半导体解决方案公司，
类型：发明
国别省市：日本;JP