[发明专利]一种人工智能处理器的学习任务编译方法及相关产品在审
| 申请号： | 201911296833.6 | 申请日： | 2019-12-16 |
| 公开（公告）号： | CN110766145A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 不公告发明人 | 申请（专利权）人： | 中科寒武纪科技股份有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 11606 北京华进京联知识产权代理有限公司 | 代理人： | 黄易 |
| 地址： | 100190 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及一种编译人工智能处理器的学习任务的方法、装置、存储介质和系统。所述方法包括：首先通过将冗余神经网络层的融合到卷积层中，进行卷积神经网络结构的优化，之后再基于优化后的卷积神经网络对人工智能处理器的学习任务进行编译。采用本方法编译人工智能处理器的学习任务编译效率高，且在设备上被执行时可以减少处理过程中的数据交换。 | ||
| 搜索关键词： | 人工智能 处理器 编译 卷积 卷积神经网络 神经网络结构 存储介质 任务编译 神经网络 数据交换 冗余 学习 优化 融合 申请 | ||
【主权项】：
1.一种人工智能处理器的学习任务编译方法，其特征在于，所述方法包括：/n通用处理器获取配置参数，其中，所述配置参数包括所述人工智能处理器的学习任务对应卷积神经网络的Scale层的第一训练参数和第二训练参数；/n所述通用处理器将所述Scale层的第一训练参数与所述卷积神经网络的卷积层的权值参数融合，得到第一融合结果；/n所述通用处理器将所述Scale层的第二训练参数与所述卷积神经网络的卷积层的偏置参数融合，得到第二融合结果；/n所述通用处理器根据所述第一融合结果以及所述第二融合结果，对所述卷积神经网络进行优化，得到优化后的卷积神经网络；/n所述通用处理器对优化后的卷积神经网络进行编译，得到对应的二进制指令序列，以分配至人工智能处理器上执行对应的学习任务。/n
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中科寒武纪科技股份有限公司，未经中科寒武纪科技股份有限公司许可，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/201911296833.6/，转载请声明来源钻瓜专利网。
