【技术实现步骤摘要】
技术介绍
1、人工神经网络是具有基于生物神经网络的架构的计算系统。可以使用训练数据对人工神经网络进行训练，以了解如何执行某个计算任务。例如，训练数据可以包含与预定对象相关联的图像数据。经训练人工神经网络可以处理表示不同上下文(例如，在不同的地点、不同的时间、由不同的人捕获的，携带不同的信息等)的多个图像(或多个图像集)以确定图像或图像集是否含有预定对象的图像数据。
2、神经网络可以包含一组处理节点。每个处理节点可以处理一条输入数据以生成输出，并且可以基于所述一组处理节点的输出的组合而生成最终决策。作为处理的一部分，每个处理节点可以执行一组算术运算，例如浮点乘法和加法等。处理节点的算术运算可以由针对高速算术运算优化的电路系统和数据路径(如图形处理单元(gpu))来执行。
技术实现思路
【技术保护点】
1.一种方法，包括：
2.如权利要求1所述的方法，还包括：
3.如权利要求1所述的方法，还包括：
4.如权利要求1所述的方法，还包括：
5.一种方法，包括：
6.如权利要求5所述的方法，其中所述一组计算任务还包括用于分别生成所述第三计算任务的输入数据和所述第四计算任务的输入数据的第五计算任务和第六计算任务。
7.如权利要求6所述的方法，
8.如权利要求7所述的方法，还包括：
9.如权利要求5所述的方法，其中所述第一计算任务的至少一部分和所述第二计算任务的至少一部分并行执行。
10.如权利要求5所述的方法，其中所述第一计算任务和所述第三计算任务用于处理与第一上下文相关联的第一数据；并且其中所述第二计算任务和所述第四计算任务用于处理与第二上下文相关联的第二数据。
11.如权利要求10所述的方法，其中与所述第一上下文相关联的第一数据和与所述第二上下文相关联的第二数据来自不同的数据源。
12.如权利要求5所述的方法，其中所述第三计算任务和所述第四计算任务与第
13.如权利要求5所述的方法，还包括：
14.如权利要求5所述的方法，其中所述一组计算任务将由作为与所述存储器装置相同的芯片的一部分的计算引擎执行。
15.一种集成电路，包括：
16.如权利要求15所述的集成电路，其中，所述控制器电路被进一步配置成用于：
17.如权利要求16所述的集成电路，其中所述一组计算任务还包括用于分别生成所述第三计算任务的输入数据和所述第四计算任务的输入数据的第五计算任务和第六计算任务；
18.如权利要求17所述的集成电路，其中所述第一计算任务、所述第三计算任务和所述第五计算任务分别与第一上下文的神经网络模型的第三神经网络层计算、第二神经网络层计算和第一神经网络层计算相关联；并且
19.一种在多层神经网络中处理多个数据集的方法，所述方法包括：
20.如权利要求19所述的方法，还包括：
21.如权利要求20所述的方法，其中，所述第一数据集的第二层输出和所述第二数据集的第二层输出通过至少覆写所述第一数据集的存储于所述存储器中的第一层输出而存储于所述存储器中。
22.如权利要求20所述的方法，还包括：
23.如权利要求22所述的方法，还包括：
24.如权利要求23所述的方法，还包括控制所述存储器提供用于同时存储所述第四数据集、所述第四数据集的第一层输出、所述第三数据集的第一层输出、所述第一数据集的第二层输出、以及所述第二数据集的第二层输出的空间。
25.如权利要求23所述的方法，还包括：
26.如权利要求25所述的方法，其中所述第一数据集的第一层输出的数据大小大于所述第一数据集的第二层输出的数据大小，并且所述第一数据集的第二层输出的数据大小大于所述第一数据集的第三层输出的数据大小。
27.一种非瞬态计算机可读介质，包括指令，所述指令当由一个或多个处理器执行时，使得所述一个或多个处理器用于执行操作，所述操作包括：
28.如权利要求27所述的非瞬态计算机可读介质，所述操作还包括：
29.如权利要求28所述的非瞬态计算机可读介质，其中，所述第一数据集的第二层输出和所述第二数据集的第二层输出通过至少覆写所述第一数据集的存储于所述存储器中的第一层输出而存储于所述存储器中。
30.如权利要求28所述的非瞬态计算机可读介质，所述操作还包括：
31.如权利要求30所述的非瞬态计算机可读介质，所述操作还包括：
32.如权利要求31所述的非瞬态计算机可读介质，还包括控制所述存储器提供用于同时存储所述第四数据集、所述第四数据集的第一层输出、所述第三数据集的第一层输出、所述第一数据集的第二层输出、以及所述第二数据集的第二层输出的空间。
33.如权利要求31所述的非瞬态计算机可读介质，所述操作还包括：
34.如权利要求33所述的非瞬态计算机可读介质，其中所述第一数据集的第一层输出的数据大小大于所述第一数据集的第二层输出的数据大小，并且所述第一数据集的第二层输出的数据大小大于所述第一数据集的第三层输出的数据大小。
35.一种系统，包括：
36.如权利要求35所述的系统，其中，所述操作进一步包括：
37.如权利要求36所述的系统，其...
【技术特征摘要】
1.一种方法，包括：
2.如权利要求1所述的方法，还包括：
3.如权利要求1所述的方法，还包括：
4.如权利要求1所述的方法，还包括：
5.一种方法，包括：
6.如权利要求5所述的方法，其中所述一组计算任务还包括用于分别生成所述第三计算任务的输入数据和所述第四计算任务的输入数据的第五计算任务和第六计算任务。
7.如权利要求6所述的方法，
8.如权利要求7所述的方法，还包括：
9.如权利要求5所述的方法，其中所述第一计算任务的至少一部分和所述第二计算任务的至少一部分并行执行。
10.如权利要求5所述的方法，其中所述第一计算任务和所述第三计算任务用于处理与第一上下文相关联的第一数据；并且其中所述第二计算任务和所述第四计算任务用于处理与第二上下文相关联的第二数据。
11.如权利要求10所述的方法，其中与所述第一上下文相关联的第一数据和与所述第二上下文相关联的第二数据来自不同的数据源。
12.如权利要求5所述的方法，其中所述第三计算任务和所述第四计算任务与第一神经网络层的计算相关联；并且其中所述第一计算任务和所述第二计算任务与处理来自所述第一神经网络层的数据的第二神经网络层的计算相关联。
13.如权利要求5所述的方法，还包括：
14.如权利要求5所述的方法，其中所述一组计算任务将由作为与所述存储器装置相同的芯片的一部分的计算引擎执行。
15.一种集成电路，包括：
16.如权利要求15所述的集成电路，其中，所述控制器电路被进一步配置成用于：
17.如权利要求16所述的集成电路，其中所述一组计算任务还包括用于分别生成所述第三计算任务的输入数据和所述第四计算任务的输入数据的第五计算任务和第六计算任务；
18.如权利要求17所述的集成电路，其中所述第一计算任务、所述第三计算任务和所述第五计算任务分别与第一上下文的神经网络模型的第三神经网络层计算、第二神经网络层计算和第一神经网络层计算相关联；并且
19.一种在多层神经网络中处理多个数据集的方法，所述方法包括：
20.如权利要求19所述的方法，还包括：
21.如权利要求20所述的方法，其中，所述第一数据集的第二层输出和所述第二数据集的第二层输出...
【专利技术属性】
技术研发人员：D·M·万特雷斯，R·戴尔蒙特，T·A·沃尔普，R·黄，
申请(专利权)人：亚马逊技术股份有限公司，
类型：发明
国别省市：
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。