【技术实现步骤摘要】
用于自主机器的机器学习中的即时深度学习本申请是2018年5月4日提交的申请号为201810419226.3的同名专利申请的分案申请。
本申请要求由YehezkelRohekar等人于2017年5月5日提交的题为“ON-THE-FLYDEEPLEARNINGINMACHINELEARNINGATAUTONOMOUSMACHINES(在自主机器处的机器学习中的即时深度学习)”的美国临时申请第62/502,294号的权益和优先权,该申请通过引用方式并入本文。
这里描述的实施例总体上涉及数据处理,并且更具体地涉及促进用于自主机器的机器学习中的即时深度学习。
技术介绍
当前的并行图形数据处理包括开发用于对图形数据执行特定操作的系统和方法,例如线性插值,铺砌(tessellation),光栅化,纹理映射,深度测试等。传统上,图形处理器使用固定功能计算单元来处理图形数据;然而,最近,已经使得图形处理器的部分可编程,使得这些处理器能够支持更广泛的操作来处理顶点和片段数据。为了进一步提高性能,图形处理器通常实现处理技术,例如尝试遍及图形管线的不同部分并行处理尽可能多的图形数据的管线技术。具有单指令多线程(SIMT)架构的并行图形处理器被设计为最大化图形管线中的并行处理量。在SIMT架构中,并行线程构成的组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。在ShaneCook,CUDAProgramming,第3章,第37-51页(2013)和/或NicholasWilt,CUDAHand ...
【技术保护点】
1.一种计算设备上的数据处理系统,所述数据处理系统包括:/n一个或多个存储设备,包括图形执行环境,所述图形执行环境包括用于提供深度学习框架以经由所述计算设备的一个或多个通用图形处理器来加速深度学习操作的指令,所述深度学习框架使所述一个或多个通用图形处理器执行包括以下的操作:/n经由所述框架提取由第一深度神经网络(DNN)模型学习的特征,其中,所述第一DNN模型是针对计算机视觉的预先训练的DNN模型,用于实现输入视频帧内对象的与上下文无关的分类;以及/n经由所述深度学习框架,基于所提取的特征来训练针对计算机视觉的第二DNN模型,所述第二DNN模型是所述第一DNN模型的更新,其中,训练所述第二DNN模型包括基于包括与上下文相关的数据的数据集来训练所述第二DNN模型。/n
【技术特征摘要】
20170505 US 62/502,294;20170726 US 15/659,8181.一种计算设备上的数据处理系统,所述数据处理系统包括:
一个或多个存储设备,包括图形执行环境,所述图形执行环境包括用于提供深度学习框架以经由所述计算设备的一个或多个通用图形处理器来加速深度学习操作的指令,所述深度学习框架使所述一个或多个通用图形处理器执行包括以下的操作:
经由所述框架提取由第一深度神经网络(DNN)模型学习的特征,其中,所述第一DNN模型是针对计算机视觉的预先训练的DNN模型,用于实现输入视频帧内对象的与上下文无关的分类;以及
经由所述深度学习框架,基于所提取的特征来训练针对计算机视觉的第二DNN模型,所述第二DNN模型是所述第一DNN模型的更新,其中,训练所述第二DNN模型包括基于包括与上下文相关的数据的数据集来训练所述第二DNN模型。
2.根据权利要求1所述的数据处理系统,其中,所述深度学习框架使所述通用图形处理器执行操作以将所述第一DNN模型与所述第二DNN模型合并为联合模型。
3.根据权利要求2所述的数据处理系统,其中,所述深度学习框架使所述通用图形处理器执行对所述联合模型的一个或多个参数的联合模型调谐。
4.根据权利要求1所述的数据处理系统,其中,所述深度学习框架用于提供机器学习基元的库,所述机器学习基元经由由所述一个或多个通用图形处理器执行的指令来加速。
5.根据权利要求4所述的数据处理系统,其中,所述机器学习基元的库包括用于执行张量卷积、至少一个激活函数和池化操作的基元。
6.根据权利要求4所述的数据处理系统,其中,所述机器学习基元的库包括用于实现基本线性代数子程序的基元。
7.根据权利要求1所述的数据处理系统,其中,所述图形执行环境是虚拟化环境。
8.根据权利要求7所述的数据处理系统,其中,所述一个或多个通用图形处理器能够配置为分区,并且所述图形执行环境由所述通用图形处理器的一个或多个分区作为虚拟化环境执行。
9.根据权利要求1所述的数据处理系统,还包括:
网络接口,用于实现与外部系统的通信,所述外部系统包括一个或多个通用图形处理器;以及
其中,经由所述深度学习框架训练针对计算机视觉的所述第二DNN模型包括与所述外部系统上的所述深度学习框架的实例进行接合,以及经由所述外部系统的所述一个或多个通用图形处理器来训练所述第二DNN模型。<...
【专利技术属性】
技术研发人员:R·Y·耶海兹克尔罗厄卡尔,
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。