[发明专利]一种神经网络模型训练方法、装置、芯片和系统在审
| 申请号： | 201910503321.6 | 申请日： | 2016-11-29 |
| 公开（公告）号： | CN110348571A | 公开（公告）日： | 2019-10-18 |
| 发明（设计）人： | 张长征;白小龙;涂丹丹 | 申请（专利权）人： | 华为技术有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 518129 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供了一种模型训练方法。本发明实施例的每个工作模块包括并行运行的计算进程和通讯进程，计算进程根据上一次迭代的局部梯度和模型参数计算下一次训练模型的模型参数，通讯进程向服务器模块上推局部梯度以及下拉全局梯度。计算进程计算训练模型的下一次迭代的模型参数的过程不依赖于上一次迭代的全局梯度，从而使计算进程与通讯进程的时间窗口重叠，缩短了模型参数的训练时延。 | ||
| 搜索关键词： | 模型参数 通讯进程 局部梯度 迭代 进程 模型参数计算 神经网络模型 服务器模块 并行运行 工作模块 计算训练 模型训练 时间窗口 训练模型 一次迭代 时延 下拉 全局 芯片 | ||
【主权项】：
1.一种模型训练方法，其特征在于，运用所述方法的训练系统包括至少一个服务器模块和N个工作模块，所述至少一个服务器模块和所述N个工作模块在训练周期内训练所述模型的模型参数，所述训练周期包括K次迭代，其中，N和K均为正整数，每个工作模块上并行运行计算进程和通讯进程；所述计算进程根据第i次迭代的局部梯度和所述第i次迭代的模型参数计算第i+1次迭代的模型参数，其中，i为小于K的正整数；所述计算进程根据所述第i+1次迭代的模型参数以及所述第i+1次迭代的样本数据，计算所述第i+1次迭代的局部梯度；所述通讯进程从所述至少一个服务器模块下拉第r次迭代的全局梯度，其中，r为小于i的正整数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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华为技术有限公司，未经华为技术有限公司许可，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/patent/201910503321.6/，转载请声明来源钻瓜专利网。
