用于映射工作负载的方法、系统、制品和装置制造方法及图纸

公开了用于映射工作负载的方法、系统、制品和装置。示例装置包括：约束定义器，用于定义所述神经网络的性能特性目标；动作确定器，用于将第一资源配置应用于与所述神经网络相对应的候选资源；回报确定器，用于基于(a)资源性能度量和(b)所述性能特性目标来计算结果度量；以及层映射生成器，用于生成资源映射文件，所述资源映射文件包括针对所述神经网络的对应层的相应资源分配，所述资源分配是基于所述结果度量来选择的。结果度量来选择的。结果度量来选择的。

【技术实现步骤摘要】
用于映射工作负载的方法、系统、制品和装置
[0001]分案申请说明
[0002]本申请是申请日为2020年06月24日、申请号为202010585628.8、题为“用于映射工作负载的方法、系统、制品和装置”的中国专利技术专利申请的分案申请。


[0003]本公开总体上涉及硬件分配，并且更具体地，涉及映射工作负载的方法、系统、制品和装置。

技术介绍

[0004]近年来，诸如机器学习、深度学习等人工智能技术在解决问题和/或执行任务等方面变得越来越普遍，这些方面包括但不限于图像识别、图案识别(pattern recognition)、自动车辆导航、蛋白质折叠分析。这样的技术采用不同类型的硬件资源来完成各种任务。

技术实现思路

[0005]根据本公开的实施例，提供了一种用于为神经网络生成资源映射的装置，所述装置包括：约束定义器，所述约束定义器用于定义所述神经网络的性能特性目标；动作确定器，所述动作确定器用于将第一资源配置应用于与所述神经网络相对应的候选资源；回报确定器，所述回报确定器用于基于(a)资源性能度量和(b)所述性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非暂态计算机可读存储介质，包括指令，所述指令使第一处理器电路至少执行以下操作：基于利用硬件电路的第一配置的执行，来确定与神经网络(NN)模型的第一层相关联的第一层性能度量；基于利用硬件电路的第二配置的执行，来确定与所述NN模型的所述第一层相关联的第二层性能度量；比较所述第一层性能度量和所述第二层性能度量；以及基于对所述第一层性能度量和所述第二层性能度量的比较，分配所述NN模型的所述第一层在硬件电路的所述第一配置或所述第二配置中的一者上执行。2.如权利要求1所述的计算机可读存储介质，其中，所述指令使所述第一处理器电路：实例化模拟器以确定所述第一层性能度量和所述第二层性能度量。3.如权利要求1所述的计算机可读存储介质，其中，所述指令使所述第一处理器电路：识别硬件电路的所述第一配置和所述第二配置以执行所述NN模型，所述NN模型包括多层。4.如权利要求1所述的计算机可读存储介质，其中，所述指令使所述第一处理器电路：生成所述第一层性能度量和所述第二层性能度量之间的相对得分。5.如权利要求4所述的计算机可读存储介质，其中，所述指令使所述第一处理器电路：基于所述相对得分来生成迭代决策。6.如权利要求5所述的计算机可读存储介质，其中，所述指令使所述第一处理器电路：基于与所述迭代决策相对应的收敛指示符来停止评估所述第一层。7.如权利要求6所述的计算机可读存储介质，其中，所述指令使所述第一处理...

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