[发明专利]在数据中心中存储和检索用于模型的训练数据

说明书

描述了用于存储器控制器的技术。存储器控制器可以接收用于存储训练数据的请求。请求可以包括识别与训练数据相关联的模型的模型标识符(ID)。存储器控制器可以发送用于将与模型ID相关联的训练数据存储在池化存储器中的针对模型ID分配的存储器区域中的写入请求。存储在池化存储器中的存储器区域中的训练数据可基于模型ID寻址。

背景技术

人工智能(AI)可以涉及发现输入数据中的模式，使用在输入数据中发现的模式构建AI模型，以及使用AI模型对随后接收的数据进行预测。在一个示例中，建立AI模型可以涉及收集用于生成AI模型的输入数据。可以从数据提供者接收输入数据。输入数据可以用作训练数据以训练AI模型。例如，可以使用训练数据来训练AI模型以辨识输入数据中的模式并进行关于输入数据的推断。

在一个示例中，建立和训练AI模型可以涉及处理相对大的输入数据集，这可能消耗相对大量的计算资源。因此，通常使用云环境中的专用图形处理单元(GPU)和现场可编程门阵列(FPGA)硬件来执行AI。

附图说明

通过下面结合附图的详细描述，本发明实施例的特征和优点将变得显而易见，附图通过示例的方式一起示出了发明特征；并且，其中：

图1示出了根据示例性实施例的AI对各种行业和用例的适用性；

图2示出了根据示例性实施例的包括存储器控制器的池化存储器子系统；

图3示出了根据示例性实施例的用于将训练数据存储在存储器中的系统；

图4是示出根据示例性实施例的用于在存储器控制器处执行操作的操作的流程图；以及

图5示出了根据示例性实施例的包括数据存储设备的计算系统。

现在将参考示出的示例性实施例，并且本文将使用特定语言来描述它们。然而，应当理解的是，不旨在由此限制本发明的范围。

具体实施方式

在描述所公开的发明实施例之前，应当理解本公开内容不限于本文公开的特定的结构、过程步骤或材料，而是如相关领域的普通技术人员将认识到的那样扩展到其等同物。还应当理解，本文采用的术语仅出于描述特定示例或实施例的目的，而不旨在进行限制。不同附图中的相同附图标记表示相同元素。在流程图和过程中提供的数字是为了清楚地说明步骤和操作而被提供的，并且不一定指示特定的次序或顺序。

此外，所描述的特征、结构或特性可以在一个或多个实施例中以任何合适的方式组合。在以下描述中，提供了许多具体细节(例如，布局、距离、网络示例等的示例)，以提供对各种发明实施例的透彻理解。然而，相关领域的技术人员将认识到，这样的详细的实施例不限制本文所阐述的总体发明构思，而仅仅是其表示。

如在本说明书和所附权利要求中使用的，单数形式的“一”、“一个”和“该”包括复数指示物，除非上下文另有明确指示。因此，例如，对“位线”的引用包括多个这样的位线。

贯穿本说明书对“示例”的引用意指结合示例描述的特定特征、结构或特性被包括在本发明的至少一个实施例中。因此，贯穿本说明书在各个地方出现的短语“在示例中”或“实施例”不一定都指代相同的实施例。

如本文使用的，为方便起见，可以在共同列表中呈现多个项目、结构元素、组成元素和/或材料。然而，这些列表应当被解释为如同列表中的每个成员都被个别地标识为单独且唯一的成员。因此，这样的列表中的任何个别成员不应仅仅基于其在共同组中的呈现且没有相反的指示而被解释为相同列表中任何其他成员的事实上的等同物。另外，可以在本文中指代本发明的各种实施例和示例以及其各种组件的替代物。应当理解，这样的实施例、示例和替代不应当被解释为彼此的事实上的等同物，而是应当被认为是本公开内容下的单独且自主的表示。