申请/专利权人:谷歌有限责任公司
申请日:2019-12-16
公开(公告)日:2021-04-13
公开(公告)号:CN112655005A
主分类号:G06N3/04(20060101)
分类号:G06N3/04(20060101);G06N3/08(20060101)
优先权:["20190111 US 16/246,371"]
专利状态码:有效-授权
法律状态:2022.07.29#授权;2021.04.30#实质审查的生效;2021.04.13#公开
摘要:用于在神经网络训练期间使用动态小批量大小的方法、系统和设备,包括编码在计算机存储介质上的计算机程序。所述方法中的一个包括:由多个主机计算机中的每个接收相应批量的训练示例,每个训练示例具有零个或多个特征;由每个主机计算机计算所述主机计算机可以将相应批量的训练示例划分成的最小数量的小批量,使得所述主机计算机可以使用神经网络的嵌入层来处理每个小批量而不超过可用计算资源;确定任何主机计算机可以将其相应批量的训练示例划分成的最大的最小数量的小批量N;由每个主机计算机从所述主机计算机所接收的相应批量的训练示例中生成N个小批量;以及由每个主机计算机使用嵌入层来处理所述N个小批量。
主权项:1.一种包括多个主机计算机的系统,所述多个主机计算机被配置成在神经网络的训练期间处理所述神经网络的嵌入层,其中所述系统被配置成执行操作,所述操作包括:由每个主机计算机接收相应批量的训练示例用于在训练所述神经网络的训练过程的迭代期间进行处理,每个训练示例具有零个或多个特征,由每个主机计算机计算所述主机计算机能够将所述相应批量的训练示例划分成的最小数量的小批量,使得所述主机计算机能够使用所述神经网络的所述嵌入层来处理每个小批量,而不会超出所述主机计算机上的可用计算资源,基于所计算的最小数量的小批量来确定任何主机计算机能够将其相应批量的训练示例划分成的最大的最小数量的小批量N,由每个主机计算机从由所述主机计算机所接收的所述相应批量的训练示例中生成N个小批量,以及由每个主机计算机使用所述神经网络的所述嵌入层来处理所述N个小批量。
全文数据:
权利要求:
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。