龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江大学
摘要：本发明公开了一种重要性感知的深度学习数据预取方法和系统，旨在解决训练数据预取时间长导致的训练性能低下的问题。本发明首先通过训练数据分类模块根据数据的重要性值进行分类，将训练数据自动分为重要性波动大和波动小的两类训练数据；然后通过历史重要值评估模块和实时重要值评估模块来评估数据的重要性值，动态调整数据预取策略，优先加载对模型性能提升有显著作用的重要数据，减少对不重要数据的加载，从而降低数据加载时间，提高训练效率。本发明适用于大规模训练数据集，能够在维持同等水平模型精度的同时，缩短50％的训练时间。
主权项：1.一种重要性感知的深度学习数据预取系统，其特征在于，包括：训练数据分类模块：用于执行数据分类，根据每个周期训练结束时收集的训练数据重要性值波动信息，计算出每个训练数据的重要性值的变化方差；根据所有训练数据的方差使用自动聚类算法k-means将训练数据自动分为重要性波动程度大和重要性波动程度小的两类训练数据；训练数据采样器：用于在每个周期训练开始前，对所有的训练数据的重要性值进行评估，根据重要性值评估的结果对训练数据进行采样，从而让每个周期仅训练一部分数据；多层次存储架构：包括底层存储、CPU内存和GPU内存；底层存储为本地的外存储设备或由多个远程服务器构成的并行存储系统，用于存放完整的训练数据；CPU内存用于存储部分从底层读取上来的训练数据，进行数据预处理；GPU内存用于对DNN进行模型训练。
全文数据：
权利要求：
百度查询： 浙江大学 一种重要性感知的深度学习数据预取方法和系统
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