[發明專利]用于數據增強自動模型生成的方法和設備

在審

• 申請號: 202210686917.6
• 申請日: 2022-06-16
• 公開（公告）號: CN115617502A
• 公開（公告）日: 2023-01-17
• 發明（設計）人: C·W·拉斯韋爾;J·P·穆尼奧斯;R·普爾納查得蘭;N·賈殷;A·比萬迪瓦拉;E·努維塔蒂;A·達瓦雷
• 申請（專利權）人: 英特爾公司
• 主分類號: G06F9/50
• 分類號: G06F9/50;G06N3/04;G06N3/063;G06N3/08;G06N20/00
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 黃嵩泉;陳依心

公開了用于數據增強自動模型生成的方法、裝置、系統和制品。示例指令在被執行時使至少一個處理器用于訪問生成用于執行選擇的任務的機器學習模型的請求，基于之前生成的機器學習模型來生成任務知識，基于任務知識來創建搜索空間，以及使用神經架構搜索生成機器學習模型，該神經架構搜索基于搜索空間開始。

相關申請

本申請要求于2021年7月16日提交的美國臨時專利申請第63/222,938號的優先權。美國臨時專利申請第63/222,938號通過引用以其整體結合于此。

技術領域

本公開總體上涉及機器學習，并且更具體地，涉及用于數據增強自動模型生成的方法和設備。

背景技術

機器學習是人工智能中目前正在進行的革命的重要使能技術，在諸如對象檢測、圖像分類、語音識別、自然語言處理等之類的領域中推動真正顯著的進步。模型是使用機器學習創建的，當使用模型時，使得輸出能夠基于輸入生成。神經架構搜索使得各種架構能夠在創建機器學習模型時被搜索。

附圖說明

圖1是根據本公開的教導實現的用于數據增強自動模型生成的示例系統的框圖。

圖2是利用圖1的示例系統的示例處理流程的框圖。

圖3是表示示例機器可讀指令和/或示例操作的流程圖，這些指令和/或操作可由示例處理器電路系統執行以實現圖1的示例知識構建器電路系統和示例模型構建器電路系統。

圖4是表示示例機器可讀指令和/或示例操作的流程圖，這些指令和/或操作可由示例處理器電路系統執行以實現圖1的示例目標硬件。

圖5是包括被構造用于執行圖3的示例機器可讀指令和/或示例操作以實現圖2的示例知識構建器電路系統和示例模型構建器電路系統的處理器電路系統的示例處理平臺的框圖。

圖6是圖4的處理器電路系統的示例實現方式的框圖。

圖7是圖4的處理器電路系統的另一個示例實現方式的框圖。

圖8是示例軟件分發平臺(例如，一個或多個服務器)的框圖，該示例軟件分發平臺用于將軟件(例如，與圖3和/或圖4的示例機器可讀指令相對應的軟件)分發給與終端用戶和/或消費者(例如，用于許可、銷售和/或使用)、零售商(例如，用于銷售、轉售、許可和/或分許可)、和/或原始裝備制造商(OEM)(例如，包括在要分發給例如零售商和/或諸如直接購買客戶之類的其他終端用戶的產品中)相關聯的客戶端設備。

一般來說，貫穿(多個)附圖和所附書面說明書，相同的附圖標記將用于指代相同或相似的部分。這些圖并未按比例繪制。

如在本專利中所使用，記載任何部件(例如，層、膜、部位、區域或板)以任何方式在(例如，被定位在、位于、設置在或形成在等)另一部件上指示被引用部件與該另一部件接觸，或者被引用部件在該另一部件上方并且一個或多個中間部件被定位在該被引用部件與該另一部件之間。

除非另有特別說明，否則諸如“第一”、“第二”、第三”等的描述符在本文中使用而不以任何方式強加或以其他方式指示優先級、物理順序、列表中的排列和/或排序的任何含義，但僅用作標簽和/或任意名稱來區分元素以便于理解所公開的示例。在一些示例中，描述符“第一”可以用于指代具體實施方式中的要素，而在權利要求中可以使用諸如“第二”或“第三”之類的不同描述符來指代同一要素。在此類情況下，應當理解，此類描述符僅用于清楚地標識那些可能例如以其他方式共享相同名稱的要素。

如本文中所使用，“基本上實時的”是指，認識到針對計算時間、傳輸等可能存在現實世界延遲，以接近瞬時的方式發生。由此，除非另外指定，否則“基本上實時的”是指實時+/-1秒。