[发明专利]用于优化后的深度网络处理的图形匹配在审
| 申请号： | 201880027542.4 | 申请日： | 2018-04-27 |
| 公开（公告）号： | CN110574045A | 公开（公告）日： | 2019-12-13 |
| 发明（设计）人： | 毛里西奥·布莱特尼特斯;马扬克·达加 | 申请（专利权）人： | 超威半导体公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063;G06N5/02;G06F8/41;G06F1/3234 |
| 代理公司： | 31263 上海胜康律师事务所 | 代理人： | 李献忠;张静 |
| 地址： | 美国加利*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 源代码表示 图案 神经网络 组合层 替换 优化 接收神经网络 分辨率视频 可执行版本 有向无环图 机器学习 替换检测 图案识别 系统确定 系统生成 相邻层 检测 配置 | ||
1.一种系统，所述系统包括：
存储器；以及
处理器，所述处理器联接到所述存储器；
其中所述系统被配置为：
接收神经网络的源代码表示；
确定所述源代码表示中的两个或更多个相邻层与第一图案匹配；
用单个组合层替换所述源代码表示中的所述两个或更多个相邻层；以及
生成所述神经网络的优化后的表示，其中所述优化后的表示包括所述单个组合层。
2.如权利要求1所述的系统，其中所述系统被配置为：
接收对一个或多个图案的指示；
针对每个图案接收对应的组合层；
确定所述源代码表示是否包括所述一个或多个图案的任何出现；以及
用对应的组合层替换所述一个或多个图案的任何出现。
3.如权利要求2所述的系统，其中所述源代码表示是有向无环图(DAG)。
4.如权利要求3所述的系统，其中所述一个或多个图案中的每个图案包括所述DAG中的两个或更多个相邻节点。
5.如权利要求1所述的系统，其中所述系统被进一步配置为：
接收对由所述神经网络处理的输入数据集的大小的指示；
在所述源代码表示中检测第二图案，其中所述第二图案包括两个或更多个相邻层；
识别用于任选地替换所述第二图案的第二组合层；
基于所述输入数据集的所述大小而计算所述第二组合层的存储器利用；
响应于确定所述存储器利用小于阈值而用所述第二组合层替换所述源代码表示中的所述第二图案；以及
响应于确定所述存储器利用大于或等于所述阈值而保留所述源代码表示中的所述第二图案。
6.如权利要求1所述的系统，其中调用单个内核来执行所述单个组合层的操作。
7.如权利要求1所述的系统，其中所述优化后的表示用以生成所述神经网络的可执行版本。
8.一种方法，所述方法包括：
接收神经网络的源代码表示；
确定所述源代码表示中的两个或更多个相邻层与第一图案匹配；
用单个组合层替换所述源代码表示中的所述两个或更多个相邻层；以及
生成所述神经网络的优化后的表示，其中所述优化后的表示包括所述单个组合层。
9.如权利要求8所述的方法，所述方法还包括：
接收对一个或多个图案的指示；
针对每个图案接收对应的组合层；
确定所述源代码表示是否包括所述一个或多个图案的任何出现；以及
用对应的组合层替换所述一个或多个图案的任何出现。
10.如权利要求9所述的方法，其中所述源代码表示是有向无环图(DAG)。
11.如权利要求10所述的方法，其中所述一个或多个图案中的每个图案包括所述DAG中的两个或更多个相邻节点。
12.如权利要求8所述的方法，所述方法还包括：
接收对由所述神经网络处理的输入数据集的大小的指示；
在所述源代码表示中检测第二图案，其中所述第二图案包括两个或更多个相邻层；
识别用于任选地替换所述第二图案的第二组合层；
基于所述输入数据集的所述大小而计算所述第二组合层的存储器利用；
响应于确定所述存储器利用小于阈值而用所述第二组合层替换所述源代码表示中的所述第二图案；以及
响应于确定所述存储器利用大于或等于所述阈值而保留所述源代码表示中的所述第二图案。
13.如权利要求8所述的方法，其中调用单个内核来执行所述单个组合层的操作。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于超威半导体公司，未经超威半导体公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201880027542.4/1.html，转载请声明来源钻瓜专利网。
