申请/专利权人：微软技术许可有限责任公司

申请日：2019-05-31

公开（公告）日：2020-12-01

公开（公告）号：CN112016666A

主分类号：G06N3/04(20060101)

分类号：G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2020.12.18#实质审查的生效;2020.12.01#公开

摘要：根据本公开的实现，提出了一种深度学习模型的执行的方案。在该方案中，响应于深度学习模型的卷积层的卷积操作被触发，在计算设备的受信任执行环境TEE中，基于卷积层的输入和参数值集合来顺序执行多个分区卷积操作。给定分区卷积操作的执行包括：将输入中要由给定分区卷积操作的参数值子集处理的输入部分存储在TEE的受保护存储区中，通过输入部分和针对给定分区卷积操作的参数值子集的单个矩阵相乘操作来确定给定分区卷积操作的结果，参数值子集被表示为矩阵，以及从受保护存储区移除输入部分。通过合并多个分区卷积操作的结果来确定卷积操作的结果。由此，可以在安全程度高但存储资源有限的TEE中加快模型执行速度、提高存储空间效率。

主权项：1.一种计算机实现的方法，包括：响应于深度学习模型的卷积层的卷积操作被触发，在计算设备的受信任执行环境TEE中，基于所述卷积层的输入和参数值集合来顺序执行多个分区卷积操作，所述多个分区卷积操作使用由所述参数值集合划分的不同参数值子集，所述多个分区卷积操作中的给定分区卷积操作的执行包括：将所述输入中要由所述给定分区卷积操作的参数值子集处理的输入部分存储在所述TEE的受保护存储区中，所述输入部分被表示为矩阵，通过所述输入部分和针对所述给定分区卷积操作的参数值子集的单个矩阵相乘操作来确定所述给定分区卷积操作的结果，所述参数值子集被表示为矩阵，以及从所述受保护存储区移除所述输入部分；以及通过合并所述多个分区卷积操作的结果来确定所述卷积操作的结果，以作为所述卷积层的输出。

全文数据：

权利要求：

百度查询： 微软技术许可有限责任公司 深度学习模型的执行

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD