用于采样数据的电子装置和方法制造方法及图纸

提供一种用于采样数据的电子装置和方法。该方法包括：取得第一样本以及第二样本；计算第一样本与第二样本的相似度；以及响应于相似度小于阈值，将第二样本加入样本集合中，其中样本集合包含第一样本，以降低训练深度学习模型需使用的训练样本数量。型需使用的训练样本数量。型需使用的训练样本数量。

【技术实现步骤摘要】
用于采样数据的电子装置和方法


[0001]本专利技术是有关于一种用于采样数据的电子装置和方法。

技术介绍

[0002]深度学习技术在近年来被广泛地使用。训练深度学习模型的过程经常需要大量的训练数据。若训练的环境是大型的数据中心或服务器中心，累积并处理大量数据尚为可行，但例如终端装置的微控制器(microcontroller)或单板电脑(single
‑
board computer)或手机等运算能力相对有限的边缘运算装置(edge
‑
computing device)并无法处理大量的数据。因此，深度学习模型的训练会尽量避免在边缘运算装置上执行，仅会在云端系统完成模型的训练后将训练好的模型布署到边缘运算装置。
[0003]然而，在模型布署到边缘运算装置后，边缘运算装置的应用场域常会面临数据的统计性质随着时间发生变化(数据漂移data drift)而导致模型需要被重新训练。若能发展出能由边缘运算装置训练深度学习模型的技术，则将可大幅地减少边缘运算装置与云端系统之间的数据传输量。

技术实现思路

[0004]本专利技术提供一种用于采样数据的电子装置和方法，可降低训练深度学习模型需使用的训练样本数量。
[0005]本专利技术的一种用于采样数据的电子装置包含处理器以及收发器。收发器用于接收第一样本以及第二样本。处理器耦接收发器，其中处理器经配置以执行：取得第一样本以及第二样本；计算第一样本与第二样本的相似度；以及响应于相似度小于阈值，将第二样本加入样本集合中，其中样本集合包含第一样本。
[0006]本专利技术的一种用于采样数据的方法，包括：取得第一样本以及第二样本；计算第一样本与第二样本的相似度；以及响应于相似度小于阈值，将第二样本加入样本集合中，其中样本集合包含第一样本。
[0007]基于上述，本专利技术的电子装置可在不牺牲深度学习模型的表现的情况下降低训练深度学习模型所需使用的训练样本数量，而使深度学习模型的训练可由具有较低运算能力的装置来执行。
【附图说明】
[0008]图1是根据本专利技术的一实施例的图示一种用于采样数据的电子装置的示意图。
[0009]图2是根据本专利技术的一实施例的图示一种用于采样数据的方法的流程图。
[0010]图3是根据本专利技术的另一实施例的图示一种用于采样数据的方法的流程图。
[0011]【符号说明】
[0012]100：电子装置
[0013]110：处理器
[0014]120：存储介质
[0015]130：收发器
[0016]S201、S202、S203、S204、S205、S206、S301、S302、S303：步骤。
【具体实施方式】
[0017]图1是根据本专利技术的一实施例图示一种用于采样数据的电子装置100的示意图。电子装置100可包含处理器110、存储介质120以及收发器130。
[0018]处理器110例如是中央处理单元(central processing unit，CPU)，或是其他可编程的通用或专用微控制单元(micro control unit，MCU)、微处理器(microprocessor)、数字信号处理器(digital signal processor，DSP)、可编程控制器、专用集成电路(application specific integrated circuit，ASIC)、图形处理器(graphics processing unit，GPU)、影像信号处理器(image signal processor，ISP)、图像处理单元(image processing unit，IPU)、算术逻辑单元(arithmetic logic unit，ALU)、复杂可编程逻辑装置(complex programmable logic device，CPLD)、现场可编程逻辑门阵列(field programmable gate array，FPGA)或其他类似元件或上述元件的组合。处理器110可耦接至存储介质120以及收发器130，并且存取和执行存储于存储介质120中的多个模块和各种应用程序与软件(Software)。
[0019]存储介质120例如是任何型态的固定式或可移动式的随机存取存储器(random access memory，RAM)、只读存储器(read
‑
only memory，ROM)、闪存(flash memory)、硬盘(hard disk drive，HDD)、固态硬盘(solid state drive，SSD)或类似元件或上述元件的组合，而用于存储可由处理器110执行的多个模块或各种应用程序。
[0020]收发器130以无线或有线的方式传送及接收信号。收发器130还可以执行例如低噪声放大、阻抗匹配、混频、向上或向下频率转换、滤波、放大以及类似的操作。
[0021]图2根据本专利技术的一实施例图示一种用于采样数据的方法的流程图，其中所述方法可由如图1所示的电子装置100实施。
[0022]在步骤S201中，处理器110可取得N个样本(数据)，其中N为正整数。具体来说，收发器130可用于接收样本。处理器110可通过收发器130接收N个样本。样本可来自于传感器。举例来说，处理器110可通过收发器130以无线或有线通信的方式连接至设置在泵(pump)上的震动传感器，从而取得震动传感器产生包含震动信号的N个样本。
[0023]在一实施例中，上述的N个样本可以是在相同时间取得的。举例来说，若N个样本包含第一样本以及第二样本，则处理器110可在相同时间取得第一样本以及第二样本。
[0024]在一实施例中，上述的N个样本可以是在不同时间点取得的。举例来说，若N个样本包含第一样本以及第二样本，则处理器110可在第一时间点取得第一样本并且在第二时间点取得第二样本，其中第二时间点可晚于第一时间点。
[0025]在步骤S202中，处理器110可计算“样本i”与“样本(i+1)”的相似度，并且判断相似度是否大于阈值T。“i”为样本的索引，其中“样本i”可代表N个样本中的第i个样本。“i”的初始值可为1。相似度例如是余弦相似度(cosine similarity)，但本专利技术不限于此。若相似度大于阈值T，则进入步骤S203。若相似度小于或等于阈值T，则进入步骤S204。其中阈值为操作者预设的数值。
[0026]以表1为例，表1包含处理器110在步骤S201中取得的N个样本，分别为“样本1”、“样本2”、“样本3”、
…
、“样本(N
‑
1)”、“样本N”。若“i”等于1，则处理器110可计算“样本1”与“样本2”的相似度。若相似度大于阈值T，则进入步骤S203。若相似度小于或等于阈值T，则进入步骤S204。
[0027]若“i”等于2，则处理器110可计算“样本2”与“样本3”的相似度。若相似度大于阈值T，则进入步骤S203。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于采样数据的电子装置，其特征在于，所述电子装置包括收发器和处理器，其中，所述收发器用于接收第一样本以及第二样本；以及所述处理器耦接所述收发器，其中所述处理器经配置以执行：取得所述第一样本以及所述第二样本；计算所述第一样本与所述第二样本的相似度；以及响应于所述相似度小于阈值，将所述第二样本加入样本集合中，其中所述样本集合包括所述第一样本。2.根据权利要求1所述的电子装置，其中所述处理器还经配置以执行：响应于所述相似度大于或等于所述阈值，舍弃所述第二样本。3.根据权利要求1所述的电子装置，其中所述处理器还经配置以执行：通过所述收发器接收所述第三样本；响应于所述样本集合包括所述第二样本，计算所述第二样本与所述第三样本的第二相似度；以及响应于所述第二相似度小于所述阈值，将所述第三样本加入所述样本集合中。4.根据权利要求3所述的电子装置，其中所述处理器还经配置以执行：响应于所述第二相似度大于或等于所述阈值，舍弃所述第三样本。5.根据权利要求1所述的电子装置，其中所述处理器还经配置以执行：通过所述收发器接收所述第三样本；响应于所述样本集合包括所述第二样本，计算所述第一样本与所述第三样本的第二相似...

【专利技术属性】
技术研发人员：刘一帆，黄彦钧，郭宗贤，陈奎廷，
申请(专利权)人：中强光电股份有限公司，
类型：发明
国别省市：