龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：深圳市帮联科技有限公司
申请日：2020-12-11
公开（公告）日：2024-06-25
公开（公告）号：CN112560936B
主分类号：G06V10/774
分类号：G06V10/774;G06V10/764;G06T1/20
优先权：
专利状态码：有效-授权
法律状态：2024.06.25#授权;2024.06.07#专利申请权的转移;2021.04.13#实质审查的生效;2021.03.26#公开
摘要：本申请公开了一种模型并行训练方法、装置、设备、存储介质和程序产品，涉及计算机视觉和深度学习技术等人工智能领域。具体实现方案为：由参与并行训练的每一图形处理器GPU执行，该方法包括：获取该GPU的局部训练样本数据；其中，该GPU的局部训练样本数据与预先为该GPU分配的局部分类标签关联；根据获取的局部训练样本数据确定特征提取网络中第一参数的本地局部梯度数据和分类器中第二参数的本地局部梯度数据；根据第一参数的本地局部梯度数据和其他GPU中第一参数的其他局部梯度数据对特征提取网络进行更新；根据第二参数的本地局部梯度数据对分类器进行更新。本申请能够加快模型训练效率。
主权项：1.一种模型并行训练方法，由参与并行训练的每一图形处理器GPU执行，所述方法包括：预先为参与并行训练的每个GPU分配局部分类标签；获取该GPU的局部训练样本数据；其中，该GPU的局部训练样本数据与预先为该GPU分配的局部分类标签关联；根据获取的局部训练样本数据确定特征提取网络中第一参数的本地局部梯度数据和分类器中第二参数的本地局部梯度数据；根据第一参数的本地局部梯度数据和其他GPU中第一参数的其他局部梯度数据对特征提取网络进行更新；所述其他局部梯度数据是通过不同GPU中特征提取网络之间相互数据整合通信得到的；根据第二参数的本地局部梯度数据对分类器进行更新。
全文数据：
权利要求：
百度查询： 深圳市帮联科技有限公司 模型并行训练方法、装置、设备、存储介质和程序产品
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号