用于AI和机器学习加速的二进制扩展制造技术

方法、系统和装置可以提供一种技术，该技术：将输入数据变换成波形格式，其中波形格式包括针对输入数据中的一个或多个数据点的多个正弦波；将每个正弦波转换成二进制序列，以获得输入数据中的一个或多个数据点中的每一个数据点的多个二进制序列；并将多个二进制序列提交给机器学习模型。列提交给机器学习模型。列提交给机器学习模型。

【技术实现步骤摘要】
用于AI和机器学习加速的二进制扩展


[0001]实施例一般涉及人工智能(artificial intelligence，AI)和机器学习(machine learning，ML)加速。更具体地，实施例涉及用于AI和ML加速的二进制扩展。

技术介绍

[0002]机器学习模型正变得越来越复杂。事实上，已经创建了具有万亿参数的模型，并且高性能计算(high
‑
performance computing，HPC)系统和超级计算机可能成为机器学习工程的范式。然而，传统的HPC和超级计算机解决方案可能仍然无法处置这种增加的模型复杂性。
附图说明
[0003]通过阅读以下说明书和所附权利要求书并通过参考以下附图，实施例的各种优势对本领域技术人员将变得显而易见，在附图中：
[0004]图1是根据实施例的各种类型的输入数据的示例的图示；
[0005]图2是根据实施例的多个正弦波的示例的图示；
[0006]图3是根据实施例的二进制扩展的示例的图示；
[0007]图4是根据实施例的共享序列长度的示例的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算系统，包括：网络控制器；处理器，耦合至所述网络控制器；以及存储器，耦合至所述处理器，所述存储器包括一组指令，所述指令在由计算系统执行时使得所述计算系统用于：将输入数据变换成波形格式，其中，所述波形格式包括针对所述输入数据中的一个或多个数据点的多个正弦波，将每个正弦波转换成二进制序列，以获得针对所述输入数据中的所述一个或多个数据点中的每一个数据点的多个二进制序列，以及将所述多个二进制序列提交给机器学习模型。2.如权利要求1所述的计算系统，其中，所述多个二进制序列具有共享序列长度，并且其中所述波形格式从单个值生成。3.如权利要求2所述的计算系统，其中，所述指令在被执行时进一步使所述计算系统用于：调整所述共享序列长度以获得所述多个二进制序列的经调整的序列长度，以及将具有所述经调整的序列长度的所述多个二进制序列提交给所述机器学习模型。4.如权利要求2所述的计算系统，其中，所述指令在被执行时进一步使所述计算系统用于：选择所述共享序列长度中的比特子集，以及将所述比特子集提交给所述机器学习模型。5.如权利要求1
‑
4中任一项所述的计算系统，其中，所述输入数据包括训练数据。6.至少一种计算机可读存储介质，包括一组指令，所述指令在由计算系统执行时使所述计算系统用于：将输入数据变换成波形格式，其中，所述波形格式包括针对所述输入数据中的一个或多个数据点的多个正弦波；将每个正弦波转换成二进制序列，以获得针对所述输入数据中的所述一个或多个数据点中的每一个数据点的多个二进制序列；以及将所述多个二进制序列提交给机器学习模型。7.如权利要求6所述的至少一种计算机可读存储介质，其中，所述多个二进制序列具有共享序列长度，并且其中所述波形格式从单个值生成。8.如权利要求7所述的至少一种计算机可读存储介质，其中，所述指令在被执行时进一步使所述计算系统用于：调整所述共享序列长度以获得所述多个二进制序列的经调整的序列长度；以及将具有所述经调整的序列长度的所述多个二进制序列提交给所述机器学习模型。9.如权利要求7所述的至少一种计算机可读存储介质，其中，所述指令在被执行时进一步使所述计算系统用于：选择所述共享序列长度中的比特子集；以及将所述比特子集提交给所述机器学习模型。10.如权利要求6所述的至少一种计算机可读存储介质，其中，所述输入数据包括训练
数据。11.如权利要求6所述的至少一种计算机可读存储介质，其中，所述输入数据包括推断数据。12.如权利要求6
‑
11中任一项所述的至少一种计算机可读存储介质，其中，为了将所述输入数据变换成...

【专利技术属性】
技术研发人员：C，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：