[发明专利]信息处理方法以及信息处理系统

说明书

提供能够高效地决定满足所要求的硬件性能要件的机器学习模型的信息处理方法以及信息处理系统等。在信息处理方法中，使用处理器，决定机器学习模型的构成，执行所决定的构成的机器学习模型是否满足对硬件性能的第1性能要件的第1判定，使用判定为满足第1性能要件的构成的机器学习模型执行学习，执行通过学习得到的学习完成模型是否满足对机器学习模型的输出的评价值的第2性能要件的第2判定，在第2判定中判定为学习完成模型满足第2性能要件的情况下，输出表示满足第1性能要件及第2性能要件的信息，在第1判定中判定为不满足第1性能要件的情况下，改变机器学习模型的构成，执行改变后的构成的机器学习模型是否满足第1性能要件的第1判定。

技术领域

本公开涉及决定机器学习中使用的机器学习模型的信息处理方法以及信息处理系统。

背景技术

专利文献1公开了一种学习方法，在使用了神经网络的学习中，通过使用遗传算法，进行使神经网络的单元数变化的处理，并且，进行该学习的中止。

在先技术文献

专利文献1：日本特开2017－97807号公报

发明内容

发明要解决的技术问题

但是，在专利文献1中，未考虑利用机器学习结果的硬件的性能，因此，难以高效地决定满足该硬件的性能要件的机器学习模型。

因此，在本公开中，目的在于提供一种能够高效地决定满足所要求的硬件的性能要件的机器学习模型的信息处理方法以及信息处理系统。

用于解决技术问题的技术方案

本公开的一技术方案涉及的信息处理方法，包括：使用处理器，决定机器学习模型的构成，执行所决定的所述构成的所述机器学习模型是否满足第1性能要件的第1判定，所述第1性能要件是对硬件性能的要件，在所述第1判定中判定为满足所述第1性能要件的情况下，使用判定为满足所述第1性能要件的构成的机器学习模型来执行学习，执行由学习得到的学习完成模型是否满足第2性能要件的第2判定，所述第2性能要件是对机器学习模型的输出的评价值的要件，在所述第2判定中判定为所述学习完成模型满足所述第2性能要件的情况下，输出表示满足所述第1性能要件及所述第2性能要件的信息，在所述第1判定中判定为不满足所述第1性能要件的情况下，改变所述机器学习模型的构成，执行改变后的所述构成的所述机器学习模型是否满足所述第1性能要件的所述第1判定。

此外，这是总括的或者具体的技术方案既可以由系统、装置、集成电路、计算机程序或计算机能够读取的CD－ROM等记录介质来实现，也可以由系统、装置、集成电路、计算机程序以及记录介质的任意组合来实现。

发明的效果

本公开涉及的信息处理方法等能够高效地决定满足所要求的硬件的性能要件的机器学习模型。

附图说明

图1是用于说明实施方式涉及的信息处理系统的概略的图。

图2是表示实施方式涉及的信息处理装置的硬件构成的一例的框图。

图3是表示输入输出装置的硬件构成的一例的框图。

图4是表示信息处理系统的功能构成的一例的框图。

图5是表示信息处理系统中的信息处理方法的一例的流程图。

图6是表示实施方式涉及的决定处理的详细的一例的流程图。

图7是表示实施方式涉及的决定处理的详细的一例的流程图。

标号说明