【技術實現步驟摘要】
技術介紹
1、人工神經網絡是具有基于生物神經網絡的架構的計算系統。人工神經網絡可以包括權重集。通過計算，可以將權重與輸入數據進行合并來提取信息，并基于該信息做出決策。例如，對于用于檢測對象的計算機視覺應用程序，人工神經網絡可以合并權重與輸入圖像，以從圖像中提取對象的某些特征。人工神經網絡可以基于提取的特征生成關于圖像中是否存在對象的決策。
2、可以通過訓練過程生成/更新人工神經網絡的權重集，其中人工神經網絡可以學習如何在應用程序中執行某項計算任務。訓練過程涉及向人工神經網絡提供訓練輸入數據，并由支持特定決策(例如，檢測或不檢測圖像中的對象)的參考輸出集標記訓練輸入數據。人工神經網絡可以執行計算來合并權重與訓練輸入數據，以生成訓練輸出數據集，訓練輸出數據集可以與參考輸出數據集進行對比以生成差異集。在訓練期間，可以向人工神經網絡提供不同的訓練輸入數據集來生成不同的訓練輸出數據集。可以根據目標調整人工神經網絡的權重集，例如盡量減少訓練輸出數據集和參考輸出數據集之間的差異。
3、為了提高人工神經網絡生成正確決策的可能性，通常使用包含大量操作場景的大量訓練輸入數據來訓練人工神經網絡。因此，訓練操作通常需要大量資源，諸如存儲器資源。
技術實現思路
【技術保護點】
1.一種裝置，包括：
2.根據權利要求1所述的裝置，其特征在于，所述正向傳播操作為第一正向傳播操作；
3.根據權利要求2所述的裝置，其特征在于，所述硬件處理器被配置成用于在所述損失梯度操作之前執行所述指令以：
4.根據權利要求3所述的裝置，其特征在于，在所述第二傳播操作完成之后將所述第二中間輸出存儲在第二存儲器中，并且其中所述存儲器為第一存儲器。
5.根據權利要求2所述的裝置，其特征在于，所述硬件處理器被配置成用于在所述損失梯度操作之前執行所述指令以：
6.根據權利要求2所述的裝置，其特征在于，所述正向傳播操作是基于從所述神經網絡的另一層接收的輸入數據來執行的。
7.根據權利要求2所述的裝置，其特征在于，所述第一正向傳播操作針對所述神經網絡的第一層，并且其中所述第二正向傳播操作針對所述神經網絡的第二層。
8.一種存儲指令的非暫時性計算機可讀介質，所述指令在由處理器執行時使所述處理器：
9.根據權利要求8所述的非暫時性計算機可讀介質，其特征在于所述正向傳播操作為第一正向傳播操作；
...【技術特征摘要】
1.一種裝置，包括：
2.根據權利要求1所述的裝置，其特征在于，所述正向傳播操作為第一正向傳播操作；
3.根據權利要求2所述的裝置，其特征在于，所述硬件處理器被配置成用于在所述損失梯度操作之前執行所述指令以：
4.根據權利要求3所述的裝置，其特征在于，在所述第二傳播操作完成之后將所述第二中間輸出存儲在第二存儲器中，并且其中所述存儲器為第一存儲器。
5.根據權利要求2所述的裝置，其特征在于，所述硬件處理器被配置成用于在所述損失梯度操作之前執行所述指令以：
6.根據權利要求2所述的裝置，其特征在于，所述正向傳播操作是基于從所述神經網絡的另一層接收的輸入數據來執行的。
7.根據權利要求2所述的裝置，其特征在于，所述第一正向傳播操作針對所述神經網絡的第一層，并且其中所述第二正向傳播操作針對所述神經網絡的第二層。
8.一種存儲指令的非暫時性計算機可讀介質，所述指令在由處理器執行時使所述處理器：
9.根據權利要求8所述的非暫時性計算機可讀介質，其特征在于所述正向傳播操作為第一正向傳播操作；
10.根據權利要求9所述的非暫時性計算機可讀介質，其特征在于，在所述損失梯度操作之前使所述處理器：
...【專利技術屬性】
技術研發人員：S·森古普塔，R·戴爾蒙特，R·R·黃，V·維韋克拉亞，
申請(專利權)人：亞馬遜技術股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。