[发明专利]信息处理方法以及信息处理系统

说明书

提供一种将嵌入式系统的学习模型的输出的损失反馈到轻量化前的学习模型的信息处理方法以及信息处理系统。在利用计算机来执行的信息处理方法中，将第一学习模型的输出数据用作学习数据、且将通过第一学习模型的转换而得到的第二学习模型的输出数据用作正确解答数据，进行学习而得到第三学习模型，将与给第一学习模型的第一输入数据对应的第一输出数据输入到第三学习模型，从而获得第二输出数据(S42)，获得针对第一输入数据的第一正确解答数据(S44)，利用与第三学习模型输出数据和第一正确解答数据的差分对应的第一差分数据，进行第一学习模型的再学习(S49)。

技术领域

本发明涉及执行学习模型的信息处理系统以及在该信息处理系统进行的信息处理方法。

背景技术

近些年提出了一种有关将通过机器学习而得到的学习模型轻量化，并适用于嵌入式系统的技术。在提出的这种技术中具有使适用后的嵌入式系统中的学习模型的性能提高的手段(例如参照专利文献1以及非专利文献1)。

(现有技术文献)

(专利文献)

专利文献1国际公开第2017/038104号

(非专利文献)

非专利文献1Benoit Jacob、另外7名、Quantization and Training of NeuralNetworks for Efficient Integer-Arithmetic-Only Inference、[online]、互联网<URL：https：//arxiv.org/abs/1712.05877>

然而，在对学习模型进行转换的转换工具的转换内容不明确(即，转换工具为黑箱)的情况下，则不能利用上述的以往技术。

发明内容

于是，本发明提供一种即使在对学习模型进行转换的转换工具的转换内容不明确的情况下，也能够提高转换后的学习模型的性能的信息处理方法等。

本发明的一个形态所涉及的信息处理方法利用计算机进行如下工作，向第三学习模型输入第一输出数据，而获得第二输出数据，所述第一输出数据是与给第一学习模型的第一输入数据对应的数据，所述第三学习模型是通过将所述第一学习模型的输出数据用作学习数据、且将通过所述第一学习模型的转换而得到的第二学习模型的输出数据用作正确解答数据来进行学习而得到的，获得针对所述第一输入数据的第一正确解答数据，利用与所述第二输出数据和所述第一正确解答数据的差分对应的第一差分数据，进行所述第一学习模型的再学习。

并且，本发明的一个形态所涉及的信息处理系统具备计算机，并且利用所述计算机，向第三学习模型输入第一输出数据，而获得第二输出数据，所述第一输出数据是与给第一学习模型的第一输入数据对应的数据，所述第三学习模型是通过将第一学习模型的输出数据用作学习数据、且将通过所述第一学习模型的转换而得到的第二学习模型的输出数据用作正确解答数据来进行学习而得到的，获得针对所述第一输入数据的第一正确解答数据，利用与所述第二输出数据和所述第一正确解答数据的差分对应的第一差分数据，进行所述第一学习模型的再学习。

另外，本发明的概括性的或具体的形态可以作为装置、集成电路、计算机程序或计算机可读取的CD-ROM等记录介质来实现，也可以作为装置、系统、方法、集成电路、计算机程序以及记录介质的任意组合来实现。

在本发明的信息处理方法以及信息处理系统中，即使对学习模型进行转换的转换工具的转换内容不明确，也能够提高转换后的学习模型的性能。

附图说明

图1是用于说明学习模型的学习以及向嵌入式系统的适用的概要的图。

图2是用于说明实施方式中的、用于将嵌入式系统中的模型的输出的损失反映到学习模型的结构的概要的图。