JP2019133628A - 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
- JP2019133628A JP2019133628A JP2018177877A JP2018177877A JP2019133628A JP 2019133628 A JP2019133628 A JP 2019133628A JP 2018177877 A JP2018177877 A JP 2018177877A JP 2018177877 A JP2018177877 A JP 2018177877A JP 2019133628 A JP2019133628 A JP 2019133628A
- Authority
- JP
- Japan
- Prior art keywords
- learning model
- data
- information processing
- processing method
- nodes
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- 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、軽量化済みモデルから得られた出力データと正解データとを用いて差分値を算出し、差分値に応じて軽量化済みモデルが解く問題を回帰問題から分類問題に変換する。これにより、情報処理システム1は、入力データを分類問題で解いた出力データを得る学習モデルを生成することができる。分類問題は、回帰問題に比べて、軽量化による影響すなわち分解能の低下の影響を受けにくい。このため、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。
問題変換部50は、さらに、回帰問題から分類問題への変換後の学習モデルが有する複数のノードの出力にそれぞれ出力用重みを設定してもよい。学習モデルの出力は、複数のノードの出力及び出力重みを用いて決定される。例えば、学習モデルの出力は、N個のクラスそれぞれのスコア(例えば、尤度を用いた数値)の加重和である。
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 問題変換部
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、前記学習モデルが解く回帰問題を分類問題に変換し、
前記回帰問題から前記分類問題への変換に応じて、前記学習モデルのネットワーク構成データの変更及び前記正解データの変換を行う
情報処理方法。 - 前記ネットワーク構成データの変更は、前記学習モデルのノード数の変更をすることを含む
請求項1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の増加をすることを含む
請求項2に記載の情報処理方法。 - 前記出力層のノードの増加は、ノード配分変更をすることを含む
請求項3に記載の情報処理方法。 - 前記ネットワーク構成データの変更は、前記軽量化された学習モデルが利用可能な計算リソースの条件を満たす範囲でノード数の変更をすることを含む
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である
請求項1〜5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1〜6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が所定の条件を満たすか否かを判定し、
判定結果に応じて、前記回帰問題を前記分類問題へ変換する
請求項1〜7のいずれか1項に記載の情報処理方法。 - 前記ネットワーク構成データの変更は、前記学習モデルが有する複数のノードの出力にそれぞれ出力用重みを設定することを含み、
前記学習モデルの出力は、前記複数のノードの出力及び出力重みを用いて決定される
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、前記学習モデルが解く回帰問題を分類問題に変換し、かつ、前記回帰問題から前記分類問題への変換に応じて、前記学習モデルのネットワーク構成データの変更及び前記正解データの変換を行う問題変換部とを備える
情報処理システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19152926.2A EP3518152A1 (en) | 2018-01-29 | 2019-01-22 | Information processing method and information processing system |
CN201910062936.XA CN110097184B (zh) | 2018-01-29 | 2019-01-23 | 信息处理方法以及信息处理系统 |
US16/257,157 US11036980B2 (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 |
---|---|---|---|
US201862623130P | 2018-01-29 | 2018-01-29 | |
US62/623,130 | 2018-01-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019133628A true JP2019133628A (ja) | 2019-08-08 |
JP7091209B2 JP7091209B2 (ja) | 2022-06-27 |
Family
ID=67546345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018177877A Active JP7091209B2 (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) | JP7091209B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019133626A (ja) * | 2018-01-29 | 2019-08-08 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 情報処理方法及び情報処理システム |
CN112465042A (zh) * | 2020-12-02 | 2021-03-09 | 中国联合网络通信集团有限公司 | 一种分类网络模型的生成方法及装置 |
EP3816871A1 (en) | 2019-10-28 | 2021-05-05 | Denso Corporation | Information processing apparatus, method and program for generating an integrated model |
WO2021111832A1 (ja) * | 2019-12-06 | 2021-06-10 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、情報処理システム及び情報処理装置 |
WO2022056422A1 (en) * | 2020-09-14 | 2022-03-17 | The Regents Of The University Of California | Ensemble learning of diffractive neural networks |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170337470A1 (en) * | 2016-05-20 | 2017-11-23 | Magic Leap, Inc. | Method and system for performing convolutional image transformation estimation |
-
2018
- 2018-09-21 JP JP2018177877A patent/JP7091209B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170337470A1 (en) * | 2016-05-20 | 2017-11-23 | Magic Leap, Inc. | Method and system for performing convolutional image transformation estimation |
Non-Patent Citations (1)
Title |
---|
AVILA, JULIAN AND HAUCK, TRENT, SCIKIT-LEARN COOKBOOK, vol. Second Edition, JPN6022009485, November 2017 (2017-11-01), pages 52, ISSN: 0004726686 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019133626A (ja) * | 2018-01-29 | 2019-08-08 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 情報処理方法及び情報処理システム |
JP7058202B2 (ja) | 2018-01-29 | 2022-04-21 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法及び情報処理システム |
EP3816871A1 (en) | 2019-10-28 | 2021-05-05 | Denso Corporation | Information processing apparatus, method and program for generating an integrated model |
WO2021111832A1 (ja) * | 2019-12-06 | 2021-06-10 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、情報処理システム及び情報処理装置 |
JP7507172B2 (ja) | 2019-12-06 | 2024-06-27 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、情報処理システム及び情報処理装置 |
WO2022056422A1 (en) * | 2020-09-14 | 2022-03-17 | The Regents Of The University Of California | Ensemble learning of diffractive neural networks |
CN112465042A (zh) * | 2020-12-02 | 2021-03-09 | 中国联合网络通信集团有限公司 | 一种分类网络模型的生成方法及装置 |
CN112465042B (zh) * | 2020-12-02 | 2023-10-24 | 中国联合网络通信集团有限公司 | 一种分类网络模型的生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7091209B2 (ja) | 2022-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7091209B2 (ja) | 情報処理方法及び情報処理システム | |
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 | |
CN113112013A (zh) | 针对分辨率降低的神经网络的优化量化 | |
JP6299759B2 (ja) | 予測関数作成装置、予測関数作成方法、及びプログラム | |
Lou et al. | Dynamic-ofa: Runtime dnn architecture switching for performance scaling on heterogeneous embedded platforms | |
US11790234B2 (en) | Resource-aware training for neural networks | |
US20200250529A1 (en) | Arithmetic device | |
US20220156508A1 (en) | Method For Automatically Designing Efficient Hardware-Aware Neural Networks For Visual Recognition Using Knowledge Distillation | |
EP4115345A1 (en) | Adaptive quantization for execution of machine learning models | |
CN107783998A (zh) | 一种数据处理的方法以及装置 | |
CN110097184B (zh) | 信息处理方法以及信息处理系统 | |
CN112988275B (zh) | 一种基于任务感知的移动边缘计算多用户计算卸载方法 | |
CN110097183B (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 | |
JP7171478B2 (ja) | 情報処理方法、及び情報処理システム | |
US11295229B1 (en) | Scalable generation of multidimensional features for machine learning | |
US20220405561A1 (en) | Electronic device and controlling method of electronic device | |
CN111767980B (zh) | 模型优化方法、装置及设备 | |
CN111767204B (zh) | 溢出风险检测方法、装置及设备 | |
WO2018168695A1 (ja) | 分散機械学習装置、分散機械学習方法および分散機械学習記録媒体 | |
CN109800873B (zh) | 图像处理方法及装置 | |
US11315043B1 (en) | Systems and methods for optimizing a machine learning model | |
CN113345532B (zh) | 聚苯醚生产过程的快速状态估计方法 | |
CN115688878A (zh) | 量化门限调优方法、装置、设备及存储介质 |
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: 20220309 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220315 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220509 |
|
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: 20220607 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220615 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7091209 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |