【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。人工神经网络可以包括权重集。通过计算，可以将权重与输入数据进行合并来提取信息，并基于该信息做出决策。例如，对于用于检测对象的计算机视觉应用程序，人工神经网络可以合并权重与输入图像，以从图像中提取对象的某些特征。人工神经网络可以基于提取的特征生成关于图像中是否存在对象的决策。
2、可以通过训练过程生成/更新人工神经网络的权重集，其中人工神经网络可以学习如何在应用程序中执行某项计算任务。训练过程涉及向人工神经网络提供训练输入数据，并由支持特定决策(例如，检测或不检测图像中的对象)的参考输出集标记训练输入数据。人工神经网络可以执行计算来合并权重与训练输入数据，以生成训练输出数据集，训练输出数据集可以与参考输出数据集进行对比以生成差异集。在训练期间，可以向人工神经网络提供不同的训练输入数据集来生成不同的训练输出数据集。可以根据目标调整人工神经网络的权重集，例如尽量减少训练输出数据集和参考输出数据集之间的差异。
3、为了提高人工神经网络生成正确决策的可能性...
【技术保护点】
1.一种装置，包括：
2.根据权利要求1所述的装置，其特征在于，所述正向传播操作为第一正向传播操作；
3.根据权利要求2所述的装置，其特征在于，所述硬件处理器被配置成用于在所述损失梯度操作之前执行所述指令以：
4.根据权利要求3所述的装置，其特征在于，在所述第二传播操作完成之后将所述第二中间输出存储在第二存储器中，并且其中所述存储器为第一存储器。
5.根据权利要求2所述的装置，其特征在于，所述硬件处理器被配置成用于在所述损失梯度操作之前执行所述指令以：
6.根据权利要求2所述的装置，其特征在于，所述正向传播操...
【技术特征摘要】
1.一种装置，包括：
2.根据权利要求1所述的装置，其特征在于，所述正向传播操作为第一正向传播操作；
3.根据权利要求2所述的装置，其特征在于，所述硬件处理器被配置成用于在所述损失梯度操作之前执行所述指令以：
4.根据权利要求3所述的装置，其特征在于，在所述第二传播操作完成之后将所述第二中间输出存储在第二存储器中，并且其中所述存储器为第一存储器。
5.根据权利要求2所述的装置，其特征在于，所述硬件处理器被配置成用于在所述损失梯度操作之前执行所述指令以：
6.根据权利要求2所述的装置，其特征在于，所述正向传播操作是基于从所述神经网络的另一层接收的输入数据来执行的。
7.根据权利要求2所述的装置，其特征在于，所述第一正向传播操作针对所述神经网络的第一层，并且其中所述第二正向传播操作针对所述神经网络的第二层。
8.一种存储指令的非暂时性计算机可读介质，所述指令在由处理器执行时使所述处理器：
9.根据权利要求8所述的非暂时性计算机可读介质，其特征在于所述正向传播操作为第一正向传播操作；
10.根据权利要求9所述的非暂时性计算机可读介质，其特征在于，在所述损失梯度操作之前使所述处理器：
...【专利技术属性】
技术研发人员：S·森古普塔，R·戴尔蒙特，R·R·黄，V·维韦克拉亚，
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。