JP2019133627A - 情報処理方法及び情報処理システム - Google Patents
情報処理方法及び情報処理システム Download PDFInfo
- Publication number
- JP2019133627A JP2019133627A JP2018177762A JP2018177762A JP2019133627A JP 2019133627 A JP2019133627 A JP 2019133627A JP 2018177762 A JP2018177762 A JP 2018177762A JP 2018177762 A JP2018177762 A JP 2018177762A JP 2019133627 A JP2019133627 A JP 2019133627A
- Authority
- JP
- Japan
- Prior art keywords
- learning model
- information processing
- nodes
- data
- processing method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
[構成]
図1は、実施の形態に係る情報処理システム1を例示するブロック図である。
次に、本実施の形態における情報処理システム1の動作について説明する。
このように、この情報処理システム1では、学習モデルのノード数及び正解データを変更することにより、軽量化による影響すなわち分解能の低下の影響を抑制することができる。情報処理システム1は、例えば、回帰問題に対して割り当てられるノード数を増加させることにより、学習モデルの出力の分解能を向上させることができる。したがって、軽量化による学習モデルの性能低下を抑制することができる。
以上、本開示の1つ又は複数の態様に係る情報処理方法、及び情報処理システムについて、実施の形態に基づいて説明したが、本開示は、この実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本開示の1つ又は複数の態様の範囲内に含まれてもよい。
20 学習部(第1取得部)
30 軽量化部
40 ネットワーク解析部(第2取得部)
50 変更部
Claims (10)
- コンピュータを用いて、
回帰問題を解くニューラルネットワーク型の学習モデルを取得し、
入力データ及び前記入力データに対する正解データを取得し、
前記学習モデルのネットワークの軽量化を行い、
軽量化された学習モデルに前記入力データを入力して得られる出力データと前記正解データとを用いて算出される前記軽量化された学習モデルの性能を示す情報に応じて、前記回帰問題に割り当てられる前記学習モデルのノード数及び前記正解データを変更する
情報処理方法。 - 前記ノード数の変更は、前記軽量化された学習モデルに要求される前記性能の条件を満たすように前記ノード数を変更することを含む
請求項1に記載の情報処理方法。 - さらに、前記性能を示す情報が前記性能の条件を満たすか否かを判定し、
前記性能を示す情報が前記性能の条件を満たさない場合、前記ノード数の変更は、ノードを追加することを含む
請求項2に記載の情報処理方法。 - 前記ノード数の変更は、前記軽量化された学習モデルが計算的制約の条件を満たす範囲で前記ノード数を変更することを含む
請求項1〜3のいずれか1項に記載の情報処理方法。 - 前記性能を示す情報は、前記出力データと前記正解データとの差分に対応する情報を含む
請求項1〜4のいずれか1項に記載の情報処理方法。 - 前記軽量化は、計算精度の浮動小数点から固定少数点への変更に応じて前記学習モデルの重みを変更することを含む
請求項1〜5のいずれか1項に記載の情報処理方法。 - 前記ノード数の変更は、前記学習モデルの出力層のノード数の増加を含む
請求項1〜6のいずれか1項に記載の情報処理方法。 - 前記出力層のノード数の増加は、ノード配分の変更を含む
請求項7に記載の情報処理方法。 - 前記正解データの変更は、前記性能を示す情報に応じて決定される前記回帰問題の分割態様に応じた変更を含む
請求項1〜8のいずれか1項に記載の情報処理方法。 - 回帰問題を解くニューラルネットワーク型の学習モデルを取得する第1取得部と、
入力データ及び前記入力データに対する正解データを取得する第2取得部と、
前記学習モデルのネットワークの軽量化を行う軽量化部と、
軽量化された学習モデルに前記入力データを入力して得られる出力データと前記正解データとを用いて算出される前記軽量化された学習モデルの性能を示す情報に応じて、前記回帰問題に割り当てられる前記学習モデルのノード数及び前記正解データを変更する変更部とを備える
情報処理システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19152927.0A EP3518153A1 (en) | 2018-01-29 | 2019-01-22 | Information processing method and information processing system |
CN201910062261.9A CN110097183B (zh) | 2018-01-29 | 2019-01-23 | 信息处理方法以及信息处理系统 |
US16/257,160 US11100321B2 (en) | 2018-01-29 | 2019-01-25 | Information processing method and information processing system |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862623139P | 2018-01-29 | 2018-01-29 | |
US62/623,139 | 2018-01-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019133627A true JP2019133627A (ja) | 2019-08-08 |
JP7107797B2 JP7107797B2 (ja) | 2022-07-27 |
Family
ID=67546339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018177762A Active JP7107797B2 (ja) | 2018-01-29 | 2018-09-21 | 情報処理方法及び情報処理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7107797B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021043862A (ja) * | 2019-09-13 | 2021-03-18 | キヤノン株式会社 | 情報処理装置、学習方法およびプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02238560A (ja) * | 1989-03-13 | 1990-09-20 | Sharp Corp | 自己拡張形ニユーラル・ネットワーク |
US20040059695A1 (en) * | 2002-09-20 | 2004-03-25 | Weimin Xiao | Neural network and method of training |
JP2018010618A (ja) * | 2016-05-03 | 2018-01-18 | イマジネイション テクノロジーズ リミテッド | 畳み込みニューラルネットワークハードウエア構成 |
-
2018
- 2018-09-21 JP JP2018177762A patent/JP7107797B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02238560A (ja) * | 1989-03-13 | 1990-09-20 | Sharp Corp | 自己拡張形ニユーラル・ネットワーク |
US20040059695A1 (en) * | 2002-09-20 | 2004-03-25 | Weimin Xiao | Neural network and method of training |
JP2018010618A (ja) * | 2016-05-03 | 2018-01-18 | イマジネイション テクノロジーズ リミテッド | 畳み込みニューラルネットワークハードウエア構成 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021043862A (ja) * | 2019-09-13 | 2021-03-18 | キヤノン株式会社 | 情報処理装置、学習方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7107797B2 (ja) | 2022-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689109B (zh) | 神经网络方法和装置 | |
EP3474194B1 (en) | Method and apparatus with neural network parameter quantization | |
CN108701250B (zh) | 数据定点化方法和装置 | |
CN111652368B (zh) | 一种数据处理方法及相关产品 | |
JP7013143B2 (ja) | 畳み込みニューラルネットワークハードウエア構成 | |
JP7091209B2 (ja) | 情報処理方法及び情報処理システム | |
Lou et al. | Dynamic-ofa: Runtime dnn architecture switching for performance scaling on heterogeneous embedded platforms | |
KR20160143548A (ko) | 인공 신경 네트워크를 자동으로 조정하는 방법 및 장치 | |
TW202234236A (zh) | 用以最佳化邊緣網路中的資源之方法、系統、製品及設備 | |
EP3528181B1 (en) | Processing method of neural network and apparatus using the processing method | |
US11861467B2 (en) | Adaptive quantization for execution of machine learning models | |
WO2014199920A1 (ja) | 予測関数作成装置、予測関数作成方法、及びコンピュータ読み取り可能な記録媒体 | |
CN113112013A (zh) | 针对分辨率降低的神经网络的优化量化 | |
US20220092399A1 (en) | Area-Efficient Convolutional Block | |
WO2020075433A1 (ja) | ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、およびニューラルネットワーク処理プログラム | |
JP2022512211A (ja) | 画像処理方法、装置、車載演算プラットフォーム、電子機器及びシステム | |
CN110097184B (zh) | 信息处理方法以及信息处理系统 | |
JP7107797B2 (ja) | 情報処理方法及び情報処理システム | |
CN110097183B (zh) | 信息处理方法以及信息处理系统 | |
CN114830137A (zh) | 用于生成预测模型的方法和系统 | |
US20220405561A1 (en) | Electronic device and controlling method of electronic device | |
US20230058500A1 (en) | Method and machine learning system to perform quantization of neural network | |
CN114819051A (zh) | 用于执行神经网络计算的模拟电路的校准方法及装置 | |
CN111767204B (zh) | 溢出风险检测方法、装置及设备 | |
US20230185527A1 (en) | Method and apparatus with data compression |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210405 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220224 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220405 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220609 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220705 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220714 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7107797 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |