System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 神经网络架构选择制造技术_技高网
当前位置: 首页 > 专利查询>辉达公司专利>正文

神经网络架构选择制造技术

技术编号:40020401 阅读:4 留言:0更新日期:2024-01-16 16:40
本发明专利技术公开了神经网络架构选择。提出了用于生成表示现实运动或活动的图像的装置、系统和技术。在至少一个实施例中,使用一个或更多个神经网络来至少部分地基于由第二神经网络估计的性能来选择第一神经网络以执行第一任务。

【技术实现步骤摘要】

至少一个实施例涉及用于执行和促进人工智能的处理资源。例如,至少一个实施例涉及用于训练神经网络的处理器或计算系统,以及至少一个实施例涉及根据本文描述的各种新型技术,用于使用神经网络执行推理的处理器或计算系统。


技术介绍

1、存在受益于基于机器学习的方法的各种复杂任务。这种复杂任务的示例是三维(3d)医学图像的语义分割,其中在那些图像中待识别的对象(诸如器官或肿瘤)的形状和图案中通常存在高变异性。对于这些任务中的许多任务,可能难以确定可准确且高效地执行的最佳网络架构。已经有架构搜索方法用于尝试识别各种类型的任务的高性能网络架构,但是由于大部分数据(例如,3d图像数据)的大量计算需求和架构搜索的离散优化性质,这些搜索方法需要很长的搜索时间或者必要的连续松弛,并且通常导致次优的网络架构。当试图在多路径搜索空间中执行架构搜索时,这个问题会加剧。


技术实现思路

【技术保护点】

1.一种处理器,包括:

2.如权利要求1所述的处理器,其中所述一个或更多个第一神经网络包括架构搜索网络,所述架构搜索网络用于从架构搜索空间中为所述第二神经网络选择一个或更多个候选架构,所述架构搜索空间包括用于与一组任务相关的神经网络类型的架构,所述一组任务包括要由所述第二神经网络执行的所述任务。

3.如权利要求2所述的处理器,其中所述架构搜索网络用于从所述架构搜索空间中识别一组候选架构并且优化所述候选架构,直至用于所述任务的所述候选架构中的一个候选架构的估计性能被确定满足用于为所述第二神经网络选择所述候选架构的至少一个标准。

4.如权利要求2所述的处理器,其中所述架构搜索网络是HyperSegNAS网络,所述HyperSegNAS网络使用HyperNet以至少部分地基于训练期间可用的架构拓扑数据来确定一个或更多个逐信道权重。

5.如权利要求4所述的处理器,其中所述一个或更多个电路进一步用于使用退火过程从所述架构搜索网络中移除所述HyperNet。

6.如权利要求1所述的处理器,其中所述任务涉及三维医学图像分割。

<p>7.一种系统,包括:

8.如权利要求7所述的系统,其中所述第二神经网络是架构搜索网络,所述架构搜索网络用于从架构搜索空间中为所述第一神经网络选择一个或更多个候选架构,所述架构搜索空间包括用于与一组任务相关的神经网络类型的架构,所述一组任务包括要由所述第二神经网络执行的所述任务。

9.如权利要求8所述的系统,其中所述架构搜索网络用于从所述架构搜索空间中识别一组候选架构并且优化所述候选架构,直至用于所述任务的所述候选架构中的一个候选架构的估计性能被确定满足用于为所述第一神经网络选择所述候选架构的至少一个标准。

10.如权利要求9所述的系统,其中所述架构搜索网络是HyperSegNAS网络,所述HyperSegNAS网络使用HyperNet以至少部分地基于训练期间可用的架构拓扑数据来确定一个或更多个逐信道权重。

11.如权利要求10所述的系统,其中所述一个或更多个处理器进一步用于使用退火过程从所述架构搜索网络中移除所述HyperNet。

12.如权利要求7所述的系统,其中所述任务涉及三维医学图像分割。

13.一种方法,包括:

14.如权利要求13所述的方法,其中所述一个或更多个第一神经网络包括架构搜索网络,所述架构搜索网络用于从架构搜索空间中为所述第二神经网络选择一个或更多个候选架构,所述架构搜索空间包括用于与一组任务相关的神经网络类型的架构,所述一组任务包括要由所述第二神经网络执行的所述任务。

15.如权利要求14所述的方法,其中所述架构搜索网络用于从所述架构搜索空间中识别一组候选架构并且优化所述候选架构,直至用于所述任务的所述候选架构中的一个候选架构的估计性能被确定满足用于为所述第二神经网络选择所述候选架构的至少一个标准。

16.如权利要求15所述的方法,其中所述架构搜索网络是HyperSegNAS网络,所述HyperSegNAS网络使用HyperNet以至少部分地基于训练期间可用的架构拓扑数据来确定一个或更多个逐信道权重。

17.如权利要求16所述的方法,进一步包括:

18.如权利要求13所述的方法,其中所述任务涉及三维医学图像分割。

19.一种机器可读介质,其上存储有一组指令,所述一组指令如果由一个或更多个处理器执行,使所述一个或更多个处理器至少:

20.如权利要求19所述的机器可读介质,其中所述一个或更多个第一神经网络包括架构搜索网络,所述架构搜索网络用于从架构搜索空间中为所述第二神经网络选择一个或更多个候选架构,所述架构搜索空间包括用于与一组任务相关的神经网络类型的架构,所述一组任务包括要由所述第二神经网络执行的所述任务。

21.如权利要求20所述的机器可读介质,其中所述架构搜索网络用于从所述架构搜索空间中识别一组候选架构并且优化所述候选架构,直至用于所述任务的所述候选架构中的一个候选架构的估计性能被确定满足用于为所述第一神经网络选择所述候选架构的至少一个标准。

22.如权利要求21所述的机器可读介质,其中所述架构搜索网络是HyperSegNAS网络,所述HyperSegNAS网络使用HyperNet以至少部分地基于训练期间可用的架构拓扑数据来确定一个或更多个逐信道权重。

23.如权利要求22所述的机器可读介质,其中所述指令如果被执行,则进一步使所述一个或更多个处理器:

24.如权利要求19所述的机器可读介质,其中所述任务涉及三维医学图...

【技术特征摘要】

1.一种处理器,包括:

2.如权利要求1所述的处理器,其中所述一个或更多个第一神经网络包括架构搜索网络,所述架构搜索网络用于从架构搜索空间中为所述第二神经网络选择一个或更多个候选架构,所述架构搜索空间包括用于与一组任务相关的神经网络类型的架构,所述一组任务包括要由所述第二神经网络执行的所述任务。

3.如权利要求2所述的处理器,其中所述架构搜索网络用于从所述架构搜索空间中识别一组候选架构并且优化所述候选架构,直至用于所述任务的所述候选架构中的一个候选架构的估计性能被确定满足用于为所述第二神经网络选择所述候选架构的至少一个标准。

4.如权利要求2所述的处理器,其中所述架构搜索网络是hypersegnas网络,所述hypersegnas网络使用hypernet以至少部分地基于训练期间可用的架构拓扑数据来确定一个或更多个逐信道权重。

5.如权利要求4所述的处理器,其中所述一个或更多个电路进一步用于使用退火过程从所述架构搜索网络中移除所述hypernet。

6.如权利要求1所述的处理器,其中所述任务涉及三维医学图像分割。

7.一种系统,包括:

8.如权利要求7所述的系统,其中所述第二神经网络是架构搜索网络,所述架构搜索网络用于从架构搜索空间中为所述第一神经网络选择一个或更多个候选架构,所述架构搜索空间包括用于与一组任务相关的神经网络类型的架构,所述一组任务包括要由所述第二神经网络执行的所述任务。

9.如权利要求8所述的系统,其中所述架构搜索网络用于从所述架构搜索空间中识别一组候选架构并且优化所述候选架构,直至用于所述任务的所述候选架构中的一个候选架构的估计性能被确定满足用于为所述第一神经网络选择所述候选架构的至少一个标准。

10.如权利要求9所述的系统,其中所述架构搜索网络是hypersegnas网络,所述hypersegnas网络使用hypernet以至少部分地基于训练期间可用的架构拓扑数据来确定一个或更多个逐信道权重。

11.如权利要求10所述的系统,其中所述一个或更多个处理器进一步用于使用退火过程从所述架构搜索网络中移除所述hypernet。

12.如权利要求7所述的系统,其中所述任务涉及三维医学图像分割。

13.一种方法,包括:

14.如权利要求13所述的方法,其中所述一个或更多个第一神经网络包括架构搜索网络,所述架构搜索网络用于从架构搜索空间中为所述第二神经网络选择一个或更多个候选架构,所述架构搜索空间包括用于与一组任务相关的神经网络类型的架构,所述一组任务包括要由所述第二神经网络执行的所述任务。

15.如权利要求14所述的方法,其中所述架构搜索网络用于从所述架构搜索空间中识别一组候选架构并且优化所述候选架构,直至用于所述任务的所述候选架构中的一个候选架构的估计性能被确定满足用于为所述第二神经网络选择所述候选架构的至少一...

【专利技术属性】
技术研发人员:A·迈伦恩科C·彭A·哈塔米扎德V·纳特M·M·拉赫曼·西迪基何宇帆徐大光杨栋
申请(专利权)人:辉达公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1