[發(fā)明專利]用于映射工作負(fù)載的方法、系統(tǒng)、制品和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010585628.8
• 申請(qǐng)日: 2020-06-24
• 公開（公告）號(hào): CN112396173A
• 公開（公告）日: 2021-02-23
• 發(fā)明（設(shè)計(jì)）人: 埃斯特爾·阿法洛;阿米特·布萊維斯;馬蒂亞斯·馬爾德;以利蘭·齊默爾曼
• 申請(qǐng)（專利權(quán)）人: 英特爾公司
• 主分類號(hào): G06N3/063
• 分類號(hào): G06N3/063;G06N3/04;G06N3/08;G06N5/04;G06F9/50
• 代理公司: 北京東方億思知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11258
• 代理人: 宗曉斌

公開了用于映射工作負(fù)載的方法、系統(tǒng)、制品和裝置。示例裝置包括：約束定義器，用于定義所述神經(jīng)網(wǎng)絡(luò)的性能特性目標(biāo)；動(dòng)作確定器，用于將第一資源配置應(yīng)用于與所述神經(jīng)網(wǎng)絡(luò)相對(duì)應(yīng)的候選資源；回報(bào)確定器，用于基于(a)資源性能度量和(b)所述性能特性目標(biāo)來計(jì)算結(jié)果度量；以及層映射生成器，用于生成資源映射文件，所述資源映射文件包括針對(duì)所述神經(jīng)網(wǎng)絡(luò)的對(duì)應(yīng)層的相應(yīng)資源分配，所述資源分配是基于所述結(jié)果度量來選擇的。

技術(shù)領(lǐng)域

本公開總體上涉及硬件分配，并且更具體地，涉及映射工作負(fù)載的方法、系統(tǒng)、制品和裝置。

背景技術(shù)

近年來，諸如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能技術(shù)在解決問題和/或執(zhí)行任務(wù)等方面變得越來越普遍，這些方面包括但不限于圖像識(shí)別、圖案識(shí)別(pattern recognition)、自動(dòng)車輛導(dǎo)航、蛋白質(zhì)折疊分析。這樣的技術(shù)采用不同類型的硬件資源來完成各種任務(wù)。

發(fā)明內(nèi)容

根據(jù)本公開的實(shí)施例，提供了一種用于為神經(jīng)網(wǎng)絡(luò)生成資源映射的裝置，所述裝置包括：約束定義器，所述約束定義器用于定義所述神經(jīng)網(wǎng)絡(luò)的性能特性目標(biāo)；動(dòng)作確定器，所述動(dòng)作確定器用于將第一資源配置應(yīng)用于與所述神經(jīng)網(wǎng)絡(luò)相對(duì)應(yīng)的候選資源；回報(bào)確定器，所述回報(bào)確定器用于基于(a)資源性能度量和(b)所述性能特性目標(biāo)來計(jì)算結(jié)果度量；以及層映射生成器，所述層映射生成器用于生成資源映射文件，所述資源映射文件包括針對(duì)所述神經(jīng)網(wǎng)絡(luò)的對(duì)應(yīng)層的相應(yīng)資源分配，所述資源分配是基于所述結(jié)果度量來選擇的。

根據(jù)本公開的實(shí)施例，提供了一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括計(jì)算機(jī)可讀指令，指令在被執(zhí)行時(shí)，使一個(gè)或多個(gè)處理器至少執(zhí)行以下操作：定義神經(jīng)網(wǎng)絡(luò)的性能特性目標(biāo)；將第一資源配置應(yīng)用于與所述神經(jīng)網(wǎng)絡(luò)相對(duì)應(yīng)的候選資源；基于(a)資源性能度量和(b)所述性能特性目標(biāo)來計(jì)算結(jié)果度量；以及生成資源映射文件，所述資源映射文件包括針對(duì)所述神經(jīng)網(wǎng)絡(luò)的對(duì)應(yīng)層的相應(yīng)資源分配，所述資源分配是基于所述結(jié)果度量來選擇的。

根據(jù)本公開的實(shí)施例，提供了一種用于為神經(jīng)網(wǎng)絡(luò)生成資源映射的方法，所述方法包括：通過使用至少一個(gè)處理器執(zhí)行指令，定義所述神經(jīng)網(wǎng)絡(luò)的性能特性目標(biāo)；通過使用至少一個(gè)處理器執(zhí)行指令，將第一資源配置應(yīng)用于與所述神經(jīng)網(wǎng)絡(luò)相對(duì)應(yīng)的候選資源；通過使用至少一個(gè)處理器執(zhí)行指令，基于(a)資源性能度量和(b)所述性能特性目標(biāo)來計(jì)算結(jié)果度量；以及通過使用至少一個(gè)處理器執(zhí)行指令，生成資源映射文件，所述資源映射文件包括針對(duì)所述神經(jīng)網(wǎng)絡(luò)的對(duì)應(yīng)層的相應(yīng)資源分配，所述資源分配是基于所述結(jié)果度量來選擇的。

根據(jù)本公開的實(shí)施例，提供了一種用于為神經(jīng)網(wǎng)絡(luò)生成資源映射的系統(tǒng)，所述系統(tǒng)包括：性能特性定義裝置，用于定義所述神經(jīng)網(wǎng)絡(luò)的目標(biāo)；動(dòng)作應(yīng)用裝置，用于將第一資源配置應(yīng)用于與所述神經(jīng)網(wǎng)絡(luò)相對(duì)應(yīng)的候選資源；結(jié)果計(jì)算裝置，用于基于(a)資源性能度量和(b)所述性能特性目標(biāo)來計(jì)算結(jié)果度量；以及映射生成裝置，用于生成資源映射文件，所述資源映射文件包括針對(duì)所述神經(jīng)網(wǎng)絡(luò)的對(duì)應(yīng)層的相應(yīng)資源分配，所述資源分配是基于所述結(jié)果度量來選擇的。

附圖說明

圖1是以與本公開的教導(dǎo)一致的方式映射工作負(fù)載的示例映射過程的示意圖。

圖2是以與本公開的教導(dǎo)一致的方式映射工作負(fù)載的另一示例映射過程的示意圖。

圖3是以與本公開的教導(dǎo)一致的方式映射工作負(fù)載的示例系統(tǒng)的示意圖。

圖4示出了要通過圖1和/或圖2的示例映射過程和/或圖3的示例系統(tǒng)來進(jìn)行分析的示例神經(jīng)網(wǎng)絡(luò)輸入模型。

圖5A是圖3的神經(jīng)網(wǎng)絡(luò)映射器的示例實(shí)現(xiàn)方式的示意圖。

圖5B是行動(dòng)者-評(píng)價(jià)者強(qiáng)化學(xué)習(xí)框架的示例偽代碼的一部分。

圖6是由圖3和圖5A的示例神經(jīng)網(wǎng)絡(luò)映射器生成的示例狀態(tài)報(bào)告。

圖7是由圖3和圖5A的示例神經(jīng)網(wǎng)絡(luò)映射器生成的示例映射文件。