使用存储器上型式匹配进行机器学习的设备、系统及方法技术方案

本公开的实施例涉及用于执行与机器学习相关联的操作的设备、系统、方法。机器学习操作可包含处理数据集、训练机器学习算法及将经训练算法应用于数据集。可在存储器装置内执行一些所述机器学习操作，例如型式匹配操作。例如型式匹配操作。例如型式匹配操作。

【技术实现步骤摘要】
【国外来华专利技术】使用存储器上型式匹配进行机器学习的设备、系统及方法
[0001]相关申请案
[0002]本申请案主张2020年4月6日申请的标题为“使用存储器上型式匹配进行机器学习的设备、系统及方法(APPARATUSES,SYSTEMS,AND METHODS FOR MACHINE LEARNING USING ON
‑
MEMORY PATTERN MATCHING)”的第16/840,916号美国非临时专利申请案的优先权，所述美国申请案以其全文引用方式且出于所有目的并入本文中。

技术介绍

[0003]本公开大体上涉及存储器装置，包含易失性存储器，例如动态随机存取存储器(DRAM)。数据可存储于DRAM的个别存储器单元中。存储器单元可组织成行及列的阵列。行中的每一存储器单元可耦合到字线且列中的每一存储器单元可耦合到位线。因此，每个存储器单元耦合到字线及位线。数据可提供到DRAM及从DRAM检索以由微处理器、图形处理单元或其它电路系统执行各种计算。
[0004]机器学习通常涵盖用于利用一或多个计算模型将数据分类或否则从数据推断意义的各种方法。一或多个模型可经训练以供机器学习算法(例如神经网络)使用。模型的实例包含(但不限于)人工神经网络、决策树及支持向量机。在一些情况中，模型可包含一或多个算法。通常，训练计算装置包含提供训练数据集。计算装置分析训练数据集以开发模型。接着，经训练模型可(由同一计算装置或另一计算装置)用于分析新数据集以完成一或多项任务。训练可为监督式或无监督的。
[0005]在监督式训练的实例中，训练数据集中的每一段数据包含输入及期望输出。训练数据集由计算装置分析以开发从输入产生期望输出的模型。举例来说，计算装置可经训练以诊断肝脏的磁共振(MR)图像中的病变。训练数据集可包含肝脏的各种图像，其中一些图像是具有病变的肝脏且其它图像是没有病变的健康肝脏。可关于图像是否包含病变来标记图像中的每一者。计算装置分析图像且产生一或多个模型，模型可部分基于标记来将图像适当分类为包含或不包含病变。接着，经训练模型可用于基于新MR肝脏图像诊断患者的肝脏病变。
[0006]在无监督训练的实例中，训练数据集中的每一段数据仅包含输入且不包含期望输出。接着，计算装置分析训练数据集以确定数据段或至少一些数据段中是否存在共同型式。举例来说，来自癫痫患者的脑电图集(EEG)读数可提供到计算装置。计算装置可分析EEG读数以确定一些或全部EEG读数中是否存在型式或类似点。计算装置可产生一或多个模型，其基于不同群组中EEG读数的型式或类似点将EEG读数分类成所述群组。由计算装置进行的EEG读数分组可揭示某些型式与不同癫痫类型相关联且经训练模型可经部署以基于新EEG读数确定癫痫类型。
[0007]包含监督式及无监督学习的许多机器学习方法利用数据的型式匹配(例如，与病变相关联的图像学习模型、在多个EEG读数中反复发生的发现模型)。当前，由计算装置针对模型搜索的数据从长期数据存储装置提供到DRAM到其中执行型式匹配操作的处理电路系统。

技术实现思路

[0008]根据本公开的至少一个实例，一种设备可包含：存储器，其包含经配置以对提供到所述存储器的数据及型式执行型式匹配操作且产生结果的型式匹配电路系统；至少一个计算机可读媒体，其经编码有可执行指令用于实施机器学习应用程序；及处理电路系统，其耦合到所述计算机可读媒体且经配置以使用所述结果及所述可执行指令根据所述机器学习应用程序执行机器学习操作。
[0009]根据本公开的至少一个实例，一种系统可包含：至少一个计算机可读媒体，其经编码有用于机器学习应用程序的指令及数据集；处理电路系统，其经配置以根据所述机器学习应用程序执行机器学习操作；存储器，其包含存储器单元阵列及经配置以执行型式匹配操作的型式匹配电路系统；及存储器控制器，其经配置以：向所述存储器提供控制所述型式匹配操作的命令；将所述数据集的数据从计算机可读媒体提供到所述存储器用于存储于所述存储器单元阵列中；及将对来自所述存储器的所述数据进行所述型式匹配操作的结果提供到所述处理电路系统，其中所述处理电路系统经配置以至少部分基于所述结果执行机器学习操作。
[0010]根据本公开的至少一个实例，一种方法可包含：将数据从机器学习数据集写入到存储器的至少一个存储器单元；将指示型式的数据写入到所述存储器的寄存器；向所述存储器发出命令，所述命令致使所述存储器至少部分基于从所述机器学习数据集写入到所述至少一个存储器单元的所述数据及指示写入到所述存储器的所述寄存器的所述型式的所述数据执行型式匹配操作；及从所述存储器读取所述型式匹配操作的结果。
附图说明
[0011]图1是根据本公开的实施例的半导体装置的框图。
[0012]图2是根据本公开的实施例的型式匹配电路系统的框图。
[0013]图3是根据本公开的实施例的系统的框图。
[0014]图4是说明根据本公开的实施例的机器学习应用程序与具有板载型式匹配能力的存储器之间的交互的图。
[0015]图5是根据本公开的实施例的利用存储器上型式匹配的预处理机器学习操作的实例。
[0016]图6是根据本公开的实施例的利用存储器上型式匹配的预处理机器学习操作的实例。
[0017]图7是根据本公开的实施例的利用存储器上型式匹配的机器学习操作的实例。
具体实施方式
[0018]某些实施例的以下描述仅具示范性且绝不希望限制本公开的范围或其应用或用途。在本专利技术系统及方法的实施例的以下详细描述中，参考附图，其形成本专利技术的一部分且以说明方式展示其中可实践所描述系统及方法的特定实施例。足够详细地描述这些实施例以使所属领域的技术人员能够实践当前公开的系统及方法，且应理解，可利用其它实施例且可在不背离本公开的精神及范围的情况下进行结构及逻辑改变。此外，为清楚起见，当某些特征对所属领域的技术人员来说显而易见时，将不论述其详细描述以便不使本公开的实
施例的描述模糊。因此，以下详细描述不应被视为意在限制，且本公开的范围仅由所附权利要求书定义。
[0019]动态随机存取存储器(DRAM)通常用于存储用于执行或从由微处理器、图形处理单元、专用集成电路及/或其它电路系统(在本文中统称为处理电路系统)执行的计算产生的数据。数据可从处理电路系统及/或长期数据存储装置(例如非易失性存储器)传送到DRAM及从DRAM传送。举例来说，数据可从硬盘驱动器检索且提供到DRAM。接着，数据可根据由处理电路系统执行的计算的需要从DRAM提供到处理电路系统。在一些装置中，使数据来回提供于DRAM可由存储器控制器控制。存储器控制器可集成到处理电路系统及/或与DRAM及处理电路系统通信的单独组件中。处理电路系统可根据可执行指令执行计算。可执行指令可包含于机器学习应用程序中，机器学习应用程序可存储于处理电路系统可存取的计算机可读媒体上。可执行指令可实施训练方法、经训练模型及/或其它机器学习操作。
[0020]许多机器学习方法(包含监督式及无监督学习)利用数据型式匹配本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种设备，其包括：存储器，其包含经配置以对提供到所述存储器的数据及型式执行型式匹配操作且产生结果的型式匹配电路系统；至少一个计算机可读媒体，其经编码有用于实施机器学习应用程序的可执行指令；及处理电路系统，其耦合到所述计算机可读媒体且经配置以使用所述结果及所述可执行指令根据所述机器学习应用程序执行机器学习操作。2.根据权利要求1所述的设备，其进一步包括经配置以从所述存储器接收所述结果且将所述结果提供到所述处理电路系统的存储器控制器。3.根据权利要求2所述的设备，其中所述计算机可读媒体进一步经编码有用于实施存储器应用编程接口(API)的可执行指令，其中所述存储器API经配置以将所述机器学习应用程序的可执行指令转译成致使所述存储器控制器向所述存储器提供执行所述型式匹配操作的存储器命令的指令。4.根据权利要求1所述的设备，其中所述计算机可读媒体进一步编码数据集，其中提供到所述存储器用于所述型式匹配操作的所述数据包含所述数据集的至少一部分。5.根据权利要求4所述的设备，其中所述数据集是训练数据集且所述结果由所述机器学习应用程序用于训练模型。6.根据权利要求4所述的设备，其中所述机器学习应用程序使用经训练模型且所述结果由所述经训练模型用于作出推断。7.根据权利要求1所述的设备，其中所述计算机可读媒体进一步编码数据集，其中提供到所述存储器用于所述型式匹配操作的所述型式包含所述数据集的至少一部分。8.根据权利要求7所述的设备，其中所述机器学习应用程序包括监督式学习应用程序。9.根据权利要求7所述的设备，其中所述机器学习应用程序使用所述结果将所述数据集的所述部分分类。10.根据权利要求1所述的设备，其中所述存储器包含经配置以存储所述数据的存储器单元阵列，且所述型式匹配电路系统包含经配置以存储所述型式的寄存器。11.根据权利要求1所述的设备，其中所述机器学习操作包括以下中的至少一者：提供最终结果、调整由所述机器学习操作训练的模型或从分析移除所述数据的部分。12.根据权利要求1所述的设备，其中所述最终结果包含所述数据的分类。13.一种系统，其包括：至少一个计算机可读媒体，其经编码有用于机器学习应用程序的指令及数据集；处理电路系统，其经配置以根据所述机器学习应用程序执行机器学习操作；存储器，其包含存储器单元阵列及经配置以执行型式匹配操作的型式匹配电路系统；及存储器控制器，其经配置以：向所述存储器提供控制所述型式匹配操作的命令；将所述数据集的数据从计算机可读媒体提供到所述存储器以存储于所述存储器单元阵列中；及将对所述数据进行所述型式匹配操作的结果从所述存储器提供到所述处理电路系统，其中所述处理电路系统经配置以至少部分基于所述结果执行机器学习操作。
14.根据权利要求13所述的系统，其进一步包括用户接口，其中所述机器学习操作的最终结果提供到所述用户接口。15.根据权利要求14所述的系统，其中所述最终结...

【专利技术属性】
技术研发人员：吴荻，A，
申请(专利权)人：美光科技公司，
类型：发明
国别省市：