JP2020129404A - 計算グラフの処理 - Google Patents
計算グラフの処理 Download PDFInfo
- Publication number
- JP2020129404A JP2020129404A JP2020085262A JP2020085262A JP2020129404A JP 2020129404 A JP2020129404 A JP 2020129404A JP 2020085262 A JP2020085262 A JP 2020085262A JP 2020085262 A JP2020085262 A JP 2020085262A JP 2020129404 A JP2020129404 A JP 2020129404A
- Authority
- JP
- Japan
- Prior art keywords
- subgraph
- node
- nodes
- graph
- computational graph
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 58
- 230000008569 process Effects 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000007935 neutral effect Effects 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 50
- 238000012549 training Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000009118 appropriate response Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/098—Distributed learning, e.g. federated learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5061—Partitioning or combining of resources
- G06F9/5066—Algorithms for mapping a plurality of inter-dependent sub-tasks onto a plurality of physical CPUs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Neurology (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Debugging And Monitoring (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
102 クライアント
104 セッションマネージャ
106 実行器
108 配分器
114 ネットワーク
116 デバイス
118 デバイス
120 デバイス
122 デバイス
302 ノード
304 ノード
306 ノード
308 ノード
310 ノード
312 ノード
316 ノード
318 サブグラフ
320 サブグラフ
322 サブグラフ
Claims (24)
- 計算グラフを処理する要求をクライアントから受信するステップと、
前記計算グラフを表すデータを取得するステップであって、前記計算グラフは、複数のノードおよび有向エッジを含み、各ノードは、それぞれの演算を表し、各有向エッジは、それぞれの第1のノードによって表される演算の出力を入力として受信する演算を表すそれぞれの第2のノードに前記それぞれの第1のノードを接続する、ステップと、
前記計算グラフを処理するための複数の利用可能なデバイスを特定するステップであって、前記利用可能なデバイスは、異なる量のメモリを有する2つのデバイスを含む、ステップと、
複数のサブグラフに前記計算グラフを分割するステップであって、各サブグラフは、前記計算グラフ内の1つまたは複数のノードを含む、ステップと、
前記サブグラフ内のいずれか1つの演算を実行するためのメモリの推定量を表す、各サブグラフについてのそれぞれの推定最大メモリ要件を決定するステップと、
各サブグラフについて、処理するための前記複数の利用可能なデバイスのうちのそれぞれの利用可能なデバイスに前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップであって、前記サブグラフの前記それぞれの推定最大メモリ要件以上のメモリの量を有するデバイスに前記サブグラフを割り当てるステップを含む、ステップと
を含む、方法。 - 前記クライアントからの前記要求は、前記計算グラフの特定のノードによって表される演算を行う特定のタイプのデバイスを特定し、各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップは、
前記要求によって指定された前記特定のタイプのデバイスのうちのデバイスに複数のサブグラフのうちの前記特定のノードを有する第1のサブグラフを割り当てるステップであって、前記第1のサブグラフが割り当てられる前記デバイスは、前記第1のサブグラフについての推定最大メモリ要件以上のメモリの量を有する、ステップを含む、請求項1に記載の方法。 - 各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップは、
前記複数のサブグラフのうちの第2のサブグラフが前記複数のサブグラフのうちの前記第2のサブグラフとは異なる第1のサブグラフ内の第1のノードからの出力を入力として要求していることを決定するステップと、
前記第1のサブグラフ内の前記第1のノードによって表される前記演算が完了するまでデバイスに前記第2のサブグラフを割り当てるのを待機するステップと
を含む、請求項1に記載の方法。 - 前記計算グラフ内の有向エッジに沿って流れる出力はテンソルであり、前記方法は、
各サブグラフを横断して、前記サブグラフの各ノードへのおよび前記サブグラフの各ノードからの各有向エッジ上のテンソルの次元を計算して、前記サブグラフの前記ノードによって表される前記演算を行うためにデバイスによって消費されることになるそれぞれのメモリのサイズを決定するステップをさらに含む、請求項1に記載の方法。 - 前記計算グラフ内の有向エッジに沿って流れる出力はテンソルであり、各サブグラフについての前記それぞれの推定最大メモリ要件を決定するステップは、前記サブグラフ内で流れる最大の次元を有するそれぞれのテンソルを記憶することができるメモリの量として各サブグラフについての前記それぞれの推定最大メモリ要件を評価するステップを含む、請求項1に記載の方法。
- 前記要求は、前記計算グラフ内の1つまたは複数のそれぞれのノードからの1つまたは複数の出力を特定し、前記方法は、
サブグラフが割り当てられた前記デバイスの各々について、前記デバイスに割り当てられた前記サブグラフの前記ノードによって表される前記演算を前記デバイスに行わせるステップと、
前記1つまたは複数の出力を前記クライアントに提供するステップと
をさらに含む、請求項1に記載の方法。 - システムであって、
1つまたは複数のコンピュータと、
前記1つまたは複数のコンピュータに接続されるとともに命令を記憶するコンピュータ可読媒体とを含み、前記命令は、前記1つまたは複数のコンピュータによって実行されると、前記1つまたは複数のコンピュータに、
計算グラフを処理する要求をクライアントから受信するステップと、
前記計算グラフを表すデータを取得するステップであって、前記計算グラフは、複数のノードおよび有向エッジを含み、各ノードは、それぞれの演算を表し、各有向エッジは、それぞれの第1のノードによって表される演算の出力を入力として受信する演算を表すそれぞれの第2のノードに前記それぞれの第1のノードを接続する、ステップと、
前記計算グラフを処理するための複数の利用可能なデバイスを特定するステップであって、前記利用可能なデバイスは、異なる量のメモリを有する2つのデバイスを含む、ステップと、
複数のサブグラフに前記計算グラフを分割するステップであって、各サブグラフは、前記計算グラフ内の1つまたは複数のノードを含む、ステップと、
前記サブグラフ内のいずれか1つの演算を実行するためのメモリの推定量を表す、各サブグラフについてのそれぞれの推定最大メモリ要件を決定するステップと、
各サブグラフについて、処理するための前記複数の利用可能なデバイスのうちのそれぞれの利用可能なデバイスに前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップであって、前記サブグラフの前記それぞれの推定最大メモリ要件以上のメモリの量を有するデバイスに前記サブグラフを割り当てるステップを含む、ステップと
を含む動作を行わせる、システム。 - 前記クライアントからの前記要求は、前記計算グラフの特定のノードによって表される演算を行う特定のタイプのデバイスを特定し、各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップは、
前記要求によって指定された前記特定のタイプのデバイスのうちのデバイスに複数のサブグラフのうちの前記特定のノードを有する第1のサブグラフを割り当てるステップであって、前記第1のサブグラフが割り当てられる前記デバイスは、前記第1のサブグラフについての推定最大メモリ要件以上のメモリの量を有する、ステップを含む、請求項7に記載のシステム。 - 各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップは、
前記複数のサブグラフのうちの第2のサブグラフが前記複数のサブグラフのうちの前記第2のサブグラフとは異なる第1のサブグラフ内の第1のノードからの出力を入力として要求していることを決定するステップと、
前記第1のサブグラフ内の前記第1のノードによって表される前記演算が完了するまでデバイスに前記第2のサブグラフを割り当てるのを待機するステップと
を含む、請求項7に記載のシステム。 - 前記計算グラフ内の有向エッジに沿って流れる出力はテンソルであり、前記動作は、
各サブグラフを横断して、前記サブグラフの各ノードへのおよび前記サブグラフの各ノードからの各有向エッジ上のテンソルの次元を計算して、前記サブグラフの前記ノードによって表される前記演算を行うためにデバイスによって消費されることになるそれぞれのメモリのサイズを決定するステップをさらに含む、請求項7に記載のシステム。 - 前記計算グラフ内の有向エッジに沿って流れる出力はテンソルであり、各サブグラフについての前記それぞれの推定最大メモリ要件を決定するステップは、前記サブグラフ内で流れる最大の次元を有するそれぞれのテンソルを記憶することができるメモリの量として各サブグラフについての前記それぞれの推定最大メモリ要件を評価するステップを含む、請求項7に記載のシステム。
- 前記要求は、前記計算グラフ内の1つまたは複数のそれぞれのノードからの1つまたは複数の出力を特定し、前記動作は、
サブグラフが割り当てられた各デバイスについて、前記デバイスに割り当てられた前記サブグラフの前記ノードによって表される前記演算を前記デバイスに行わせるステップと、
前記1つまたは複数の出力を前記クライアントに提供するステップと
をさらに含む、請求項7に記載のシステム。 - 命令を有するコンピュータ可読媒体であって、前記命令は、1つまたは複数のコンピュータによって実行されると、前記1つまたは複数のコンピュータに、
計算グラフを処理する要求をクライアントから受信するステップと、
前記計算グラフを表すデータを取得するステップであって、前記計算グラフは、複数のノードおよび有向エッジを含み、各ノードは、それぞれの演算を表し、各有向エッジは、それぞれの第1のノードによって表される演算の出力を入力として受信する演算を表すそれぞれの第2のノードに前記それぞれの第1のノードを接続する、ステップと、
前記計算グラフを処理するための複数の利用可能なデバイスを特定するステップであって、前記利用可能なデバイスは、異なる量のメモリを有する2つのデバイスを含む、ステップと、
複数のサブグラフに前記計算グラフを分割するステップであって、各サブグラフは、前記計算グラフ内の1つまたは複数のノードを含む、ステップと、
前記サブグラフ内のいずれか1つの演算を実行するためのメモリの推定量を表す、各サブグラフについてのそれぞれの推定最大メモリ要件を決定するステップと、
各サブグラフについて、処理するための前記複数の利用可能なデバイスのうちのそれぞれの利用可能なデバイスに前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップであって、前記サブグラフの前記それぞれの推定最大メモリ要件以上のメモリの量を有するデバイスに前記サブグラフを割り当てるステップを含む、ステップと
を含む動作を行わせる、コンピュータ可読媒体。 - 前記クライアントからの前記要求は、前記計算グラフの特定のノードによって表される演算を行う特定のタイプのデバイスを特定し、各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップは、
前記要求によって指定された前記特定のタイプのデバイスのうちのデバイスに複数のサブグラフのうちの前記特定のノードを有する第1のサブグラフを割り当てるステップであって、前記第1のサブグラフが割り当てられる前記デバイスは、前記第1のサブグラフについての推定最大メモリ要件以上のメモリの量を有する、ステップを含む、請求項13に記載のコンピュータ可読媒体。 - 各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップは、
前記複数のサブグラフのうちの第2のサブグラフが前記複数のサブグラフのうちの前記第2のサブグラフとは異なる第1のサブグラフ内の第1のノードからの出力を入力として要求していることを決定するステップと、
前記第1のサブグラフ内の前記第1のノードによって表される前記演算が完了するまでデバイスに前記第2のサブグラフを割り当てるのを待機するステップと
を含む、請求項13に記載のコンピュータ可読媒体。 - 前記計算グラフ内の有向エッジに沿って流れる出力はテンソルであり、前記動作は、
各サブグラフを横断して、前記サブグラフの各ノードへのおよび前記サブグラフの各ノードからの各有向エッジ上のテンソルの次元を計算して、前記サブグラフの前記ノードによって表される前記演算を行うためにデバイスによって消費されることになるそれぞれのメモリのサイズを決定するステップをさらに含む、請求項13に記載のコンピュータ可読媒体。 - 前記計算グラフ内の有向エッジに沿って流れる出力はテンソルであり、各サブグラフについての前記それぞれの推定最大メモリ要件を決定するステップは、前記サブグラフ内で流れる最大の次元を有するそれぞれのテンソルを記憶することができるメモリの量として各サブグラフについての前記それぞれの推定最大メモリ要件を評価するステップを含む、請求項13に記載のコンピュータ可読媒体。
- 前記要求は、前記計算グラフ内の1つまたは複数のそれぞれのノードからの1つまたは複数の出力を特定し、前記動作は、
サブグラフが割り当てられた各デバイスについて、前記デバイスに割り当てられた前記サブグラフの前記ノードによって表される前記演算を前記デバイスに行わせるステップと、
前記1つまたは複数の出力を前記クライアントに提供するステップと
をさらに含む、請求項13に記載のコンピュータ可読媒体。 - 前記計算グラフ内の前記有向エッジに沿って流れる入力はテンソルであり、各サブグラフは、入力として前記サブグラフについての入力を受信する初期ノードを含み、各サブグラフについての前記それぞれの推定最大メモリ要件を決定するステップは、
各サブグラフについて、前記サブグラフの初期ノードに対する入力の次元を決定するステップであって、前記サブグラフの前記初期ノードに対する前記入力の前記次元は、前記サブグラフについての前記それぞれの推定最大メモリ要件である、ステップを含む、請求項1に記載の方法。 - 各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップの後に、
各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算の実行をモニタするステップと、
前記演算の実行をモニタすることから、各サブグラフについてのそれぞれの統計データを取得するステップと、
各サブグラフについてのそれぞれの統計データに基づいて前記複数の利用可能なデバイスのうちの異なるデバイスに1つまたは複数のサブグラフを再割り当てするステップと
をさらに含む、請求項1に記載の方法。 - 前記計算グラフ内の前記有向エッジに沿って流れる入力はテンソルであり、各サブグラフは、入力として前記サブグラフについての入力を受信する初期ノードを含み、各サブグラフについての前記それぞれの推定最大メモリ要件を決定するステップは、
各サブグラフについて、前記サブグラフの初期ノードに対する入力の次元を決定するステップであって、前記サブグラフの前記初期ノードに対する前記入力の前記次元は、前記サブグラフについての前記それぞれの推定最大メモリ要件である、ステップを含む、請求項7に記載のシステム。 - 前記動作は、
各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップの後に、
各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算の実行をモニタするステップと、
前記演算の実行をモニタすることから、各サブグラフについてのそれぞれの統計データを取得するステップと、
各サブグラフについてのそれぞれの統計データに基づいて前記複数の利用可能なデバイスのうちの異なるデバイスに1つまたは複数のサブグラフを再割り当てするステップと
をさらに含む、請求項7に記載のシステム。 - 前記計算グラフ内の前記有向エッジに沿って流れる入力はテンソルであり、各サブグラフは、入力として前記サブグラフについての入力を受信する初期ノードを含み、各サブグラフについての前記それぞれの推定最大メモリ要件を決定するステップは、
各サブグラフについて、前記サブグラフの初期ノードに対する入力の次元を決定するステップであって、前記サブグラフの前記初期ノードに対する前記入力の前記次元は、前記サブグラフについての前記それぞれの推定最大メモリ要件である、ステップを含む、請求項13に記載のコンピュータ可読媒体。 - 前記動作は、
各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算を割り当てるステップの後に、
各サブグラフについて、前記サブグラフ内の前記1つまたは複数のノードによって表される前記演算の実行をモニタするステップと、
前記演算の実行をモニタすることから、各サブグラフについてのそれぞれの統計データを取得するステップと、
各サブグラフについてのそれぞれの統計データに基づいて前記複数の利用可能なデバイスのうちの異なるデバイスに1つまたは複数のサブグラフを再割り当てするステップと
をさらに含む、請求項13に記載のコンピュータ可読媒体。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562247709P | 2015-10-28 | 2015-10-28 | |
US62/247,709 | 2015-10-28 | ||
US201562253009P | 2015-11-09 | 2015-11-09 | |
US62/253,009 | 2015-11-09 | ||
JP2018521825A JP6983154B2 (ja) | 2015-10-28 | 2016-10-28 | 計算グラフの処理 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018521825A Division JP6983154B2 (ja) | 2015-10-28 | 2016-10-28 | 計算グラフの処理 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020129404A true JP2020129404A (ja) | 2020-08-27 |
JP6898496B2 JP6898496B2 (ja) | 2021-07-07 |
Family
ID=57822016
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018521825A Active JP6983154B2 (ja) | 2015-10-28 | 2016-10-28 | 計算グラフの処理 |
JP2020085262A Active JP6898496B2 (ja) | 2015-10-28 | 2020-05-14 | 計算グラフの処理 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018521825A Active JP6983154B2 (ja) | 2015-10-28 | 2016-10-28 | 計算グラフの処理 |
Country Status (6)
Country | Link |
---|---|
US (4) | US10860925B2 (ja) |
EP (2) | EP3705994B1 (ja) |
JP (2) | JP6983154B2 (ja) |
KR (4) | KR102628902B1 (ja) |
CN (2) | CN108292241B (ja) |
WO (1) | WO2017075438A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7179237B1 (ja) * | 2022-03-10 | 2022-11-28 | 三菱電機株式会社 | ニューラルネットワーク装置 |
Families Citing this family (92)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102628902B1 (ko) | 2015-10-28 | 2024-01-24 | 구글 엘엘씨 | 계산 그래프들 프로세싱 |
US10506016B2 (en) | 2016-05-19 | 2019-12-10 | Oracle International Corporation | Graph analytic engine that implements efficient transparent remote access over representational state transfer |
US10275287B2 (en) | 2016-06-07 | 2019-04-30 | Oracle International Corporation | Concurrent distributed graph processing system with self-balance |
US11907760B2 (en) * | 2016-09-23 | 2024-02-20 | Apple Inc. | Systems and methods of memory allocation for neural networks |
US10656970B2 (en) * | 2016-09-28 | 2020-05-19 | Futurewei Technologies, Inc. | Scheduling graph computing on heterogeneous processing resources based on energy efficiency |
US11615285B2 (en) * | 2017-01-06 | 2023-03-28 | Ecole Polytechnique Federale De Lausanne (Epfl) | Generating and identifying functional subnetworks within structural networks |
US10318355B2 (en) * | 2017-01-24 | 2019-06-11 | Oracle International Corporation | Distributed graph processing system featuring interactive remote control mechanism including task cancellation |
US10534657B2 (en) | 2017-05-30 | 2020-01-14 | Oracle International Corporation | Distributed graph processing system that adopts a faster data loading technique that requires low degree of communication |
US11138516B2 (en) | 2017-06-30 | 2021-10-05 | Visa International Service Association | GPU enhanced graph model build and scoring engine |
CN110476173B (zh) | 2017-07-21 | 2023-08-01 | 谷歌有限责任公司 | 利用强化学习的分层设备放置 |
US10599482B2 (en) * | 2017-08-24 | 2020-03-24 | Google Llc | Method for intra-subgraph optimization in tuple graph programs |
US10642582B2 (en) | 2017-08-24 | 2020-05-05 | Google Llc | System of type inference for tuple graph programs method of executing a tuple graph program across a network |
US10887235B2 (en) | 2017-08-24 | 2021-01-05 | Google Llc | Method of executing a tuple graph program across a network |
US11481638B2 (en) * | 2017-09-15 | 2022-10-25 | Google Llc | Augmenting neural networks |
US11620490B2 (en) * | 2017-10-17 | 2023-04-04 | Xilinx, Inc. | Multi-layer neural network processing by a neural network accelerator using host communicated merged weights and a package of per-layer instructions |
GB2569270B (en) * | 2017-10-20 | 2020-02-19 | Graphcore Ltd | Parallel computing |
EP3502975A1 (en) * | 2017-12-20 | 2019-06-26 | Fujitsu Limited | Methods and apparatus for model parallelism in artificial neural networks |
US11119808B2 (en) * | 2018-01-10 | 2021-09-14 | Mistnet.io, Inc. | Geo-distributed computation and analytics based on cost of transporting and computational cost |
US11551144B2 (en) * | 2018-01-30 | 2023-01-10 | Deepmind Technologies Limited | Dynamic placement of computation sub-graphs |
CN108491259B (zh) * | 2018-03-30 | 2019-04-02 | 北京航天宏图信息技术股份有限公司 | 遥感算法流程并行调度方法及装置 |
US11514054B1 (en) * | 2018-06-04 | 2022-11-29 | Amazon Technologies, Inc. | Supervised graph partitioning for record matching |
JP7378836B2 (ja) * | 2018-06-05 | 2023-11-14 | パラマス,パーヴォ | 総和確率的勾配推定方法、装置、およびコンピュータプログラム |
US11663478B2 (en) | 2018-06-11 | 2023-05-30 | Inait Sa | Characterizing activity in a recurrent artificial neural network |
US11893471B2 (en) | 2018-06-11 | 2024-02-06 | Inait Sa | Encoding and decoding information and artificial neural networks |
US11972343B2 (en) | 2018-06-11 | 2024-04-30 | Inait Sa | Encoding and decoding information |
US20190392287A1 (en) | 2018-06-22 | 2019-12-26 | Samsung Electronics Co., Ltd. | Neural processor |
CN110764744B (zh) * | 2018-07-25 | 2023-12-08 | 赛灵思公司 | 用于神经网络计算的中间表示生成方法和装置 |
CN110765821B (zh) * | 2018-07-27 | 2022-08-16 | 杭州海康威视数字技术股份有限公司 | 图像识别的方法及装置 |
CN110879744B (zh) * | 2018-09-06 | 2022-08-16 | 第四范式(北京)技术有限公司 | 利用多线程执行计算图的方法和系统 |
EP3629246B1 (en) * | 2018-09-27 | 2022-05-18 | Swisscom AG | Systems and methods for neural architecture search |
KR20200053318A (ko) * | 2018-11-08 | 2020-05-18 | 삼성전자주식회사 | 인공 신경망의 연산 처리 그래프를 관리하는 시스템 및 이를 이용한 연산 처리 그래프를 관리하는 방법 |
CN109508412B (zh) * | 2018-11-20 | 2019-12-20 | 中科驭数(北京)科技有限公司 | 一种时间序列处理的计算流图构建方法和装置 |
US20200184366A1 (en) * | 2018-12-06 | 2020-06-11 | Fujitsu Limited | Scheduling task graph operations |
US11714992B1 (en) * | 2018-12-13 | 2023-08-01 | Amazon Technologies, Inc. | Neural network processing based on subgraph recognition |
CN109669772B (zh) * | 2018-12-28 | 2020-03-31 | 第四范式(北京)技术有限公司 | 计算图的并行执行方法和设备 |
CN109902819B (zh) * | 2019-02-12 | 2023-04-18 | Oppo广东移动通信有限公司 | 神经网络计算方法、装置、移动终端及存储介质 |
CN111563584B (zh) * | 2019-02-14 | 2022-12-09 | 上海寒武纪信息科技有限公司 | 一种神经网络模型的拆分方法及相关产品 |
CN111667046A (zh) * | 2019-03-08 | 2020-09-15 | 富泰华工业(深圳)有限公司 | 深度学习加速方法及用户终端 |
CN109919315B (zh) * | 2019-03-13 | 2021-10-01 | 科大讯飞股份有限公司 | 一种神经网络的前向推理方法、装置、设备及存储介质 |
EP3938963A1 (en) * | 2019-03-13 | 2022-01-19 | DeepMind Technologies Limited | Scheduling computation graphs using neural networks |
CN111694571B (zh) * | 2019-03-15 | 2022-11-01 | 上海寒武纪信息科技有限公司 | 编译方法及装置 |
US11569978B2 (en) | 2019-03-18 | 2023-01-31 | Inait Sa | Encrypting and decrypting information |
US11652603B2 (en) | 2019-03-18 | 2023-05-16 | Inait Sa | Homomorphic encryption |
US11423254B2 (en) * | 2019-03-28 | 2022-08-23 | Intel Corporation | Technologies for distributing iterative computations in heterogeneous computing environments |
US11671111B2 (en) | 2019-04-17 | 2023-06-06 | Samsung Electronics Co., Ltd. | Hardware channel-parallel data compression/decompression |
CN111832714B (zh) * | 2019-04-19 | 2023-11-17 | 上海寒武纪信息科技有限公司 | 运算方法及装置 |
US11880760B2 (en) | 2019-05-01 | 2024-01-23 | Samsung Electronics Co., Ltd. | Mixed-precision NPU tile with depth-wise convolution |
US11537939B2 (en) * | 2019-05-03 | 2022-12-27 | Google Llc | Reshape and broadcast optimizations to avoid unnecessary data movement |
US11790250B2 (en) * | 2019-05-09 | 2023-10-17 | Intel Corporation | Using computational cost and instantaneous load analysis for intelligent deployment of neural networks on multiple hardware executors |
US11836635B2 (en) | 2019-05-31 | 2023-12-05 | Apple Inc. | Mutable parameters for machine learning models during runtime |
US11687789B2 (en) | 2019-05-31 | 2023-06-27 | Apple Inc. | Decomposition of machine learning operations |
CN110210614B (zh) * | 2019-05-31 | 2020-08-25 | 中科寒武纪科技股份有限公司 | 运算方法、装置及相关产品 |
CN110188871B (zh) * | 2019-05-31 | 2021-01-26 | 安徽寒武纪信息科技有限公司 | 运算方法、装置及相关产品 |
US11080200B2 (en) | 2019-05-31 | 2021-08-03 | Apple Inc. | Allocation of machine learning tasks into a shared cache |
KR102325047B1 (ko) * | 2019-06-10 | 2021-11-11 | 포항공과대학교 산학협력단 | 그래프 데이터 처리 방법 및 그래프 데이터 처리 장치 |
US11494237B2 (en) | 2019-06-26 | 2022-11-08 | Microsoft Technology Licensing, Llc | Managing workloads of a deep neural network processor |
US10963301B2 (en) | 2019-07-17 | 2021-03-30 | Google Llc | Scheduling operations on a computation graph |
WO2021012215A1 (zh) * | 2019-07-24 | 2021-01-28 | 华为技术有限公司 | 神经网络切分方法、预测方法及相关装置 |
WO2021052391A1 (zh) | 2019-09-18 | 2021-03-25 | 华为技术有限公司 | 一种构建中间表达的方法、编译器和服务器 |
CN110689121A (zh) * | 2019-09-24 | 2020-01-14 | 上海寒武纪信息科技有限公司 | 一种用多核处理器实现神经网络模型拆分方法及相关产品 |
CN110689116B (zh) * | 2019-09-24 | 2022-12-27 | 安徽寒武纪信息科技有限公司 | 一种神经网络剪枝方法、装置、计算机设备及存储介质 |
KR102601738B1 (ko) * | 2019-10-04 | 2023-11-13 | 주식회사 루닛 | 이미지 분석 방법 및 시스템 |
KR102068277B1 (ko) * | 2019-10-04 | 2020-02-11 | 주식회사 루닛 | 이미지 분석 방법 및 시스템 |
KR102068279B1 (ko) | 2019-10-04 | 2020-01-20 | 주식회사 루닛 | 이미지 분석 방법 및 시스템 |
US11816553B2 (en) | 2019-12-11 | 2023-11-14 | Inait Sa | Output from a recurrent neural network |
US11651210B2 (en) | 2019-12-11 | 2023-05-16 | Inait Sa | Interpreting and improving the processing results of recurrent neural networks |
US11580401B2 (en) | 2019-12-11 | 2023-02-14 | Inait Sa | Distance metrics and clustering in recurrent neural networks |
US11797827B2 (en) | 2019-12-11 | 2023-10-24 | Inait Sa | Input into a neural network |
US20230027647A1 (en) * | 2019-12-20 | 2023-01-26 | Telefonaktiebolaget Lm Ericsson (Publ) | Dynamic distribution of a computational graph |
US11709059B2 (en) * | 2019-12-23 | 2023-07-25 | Waymo Llc | Asynchronous execution graphs for autonomous vehicles |
CN111190741B (zh) * | 2020-01-03 | 2023-05-12 | 深圳鲲云信息科技有限公司 | 基于深度学习节点计算的调度方法、设备及存储介质 |
US11620502B2 (en) * | 2020-01-30 | 2023-04-04 | Alibaba Group Holding Limited | Hyper-square implementation of tree AllReduce algorithm for distributed parallel deep learning |
US20210248115A1 (en) * | 2020-02-10 | 2021-08-12 | Nvidia Corporation | Compute graph optimization |
CN111309479B (zh) * | 2020-02-14 | 2023-06-06 | 北京百度网讯科技有限公司 | 一种任务并行处理的实现方法、装置、设备和介质 |
CN111338635B (zh) * | 2020-02-20 | 2023-09-12 | 腾讯科技(深圳)有限公司 | 计算图的图编译方法、装置、设备及存储介质 |
JP6834097B1 (ja) | 2020-05-15 | 2021-02-24 | エッジコーティックス ピーティーイー. リミテッド | 推論のニューラルネットワークアクセラレータのハードウェア固有分割 |
US11461130B2 (en) | 2020-05-26 | 2022-10-04 | Oracle International Corporation | Methodology for fast and seamless task cancelation and error handling in distributed processing of large graph data |
CN111723935A (zh) * | 2020-06-24 | 2020-09-29 | 湖北亿咖通科技有限公司 | 神经网络计算图的处理方法、计算机存储介质及电子设备 |
CN111708641B (zh) * | 2020-07-14 | 2024-03-19 | 腾讯科技(深圳)有限公司 | 一种内存管理方法、装置、设备及计算机可读存储介质 |
CN111860820A (zh) * | 2020-07-31 | 2020-10-30 | 北京灵汐科技有限公司 | 神经网络算子的划分方法、装置及划分设备 |
CN114169491A (zh) * | 2020-09-10 | 2022-03-11 | 阿里巴巴集团控股有限公司 | 一种模型处理方法、装置、设备及计算机可读存储介质 |
CN114513770B (zh) * | 2020-10-29 | 2024-01-30 | 伊姆西Ip控股有限责任公司 | 部署应用的方法、系统和介质 |
EP4352660A1 (en) * | 2021-06-10 | 2024-04-17 | Visa International Service Association | Hierarchical periodicity detection on dynamic graphs system and method |
KR102457153B1 (ko) * | 2021-06-16 | 2022-10-20 | 주식회사 모레 | 프로그램에 대한 중간 표현을 관리하는 방법 및 시스템 |
WO2022265411A1 (ko) * | 2021-06-16 | 2022-12-22 | 주식회사 모레 | 프로그램의 중간표현에 대한 최적화 적용 가능성을 판단하는 방법 및 시스템 |
US11782706B1 (en) | 2021-06-29 | 2023-10-10 | Amazon Technologies, Inc. | Reconfigurable neural network processing based on subgraph recognition |
KR20230049468A (ko) * | 2021-10-06 | 2023-04-13 | 삼성전자주식회사 | 복수의 서브 그래프들에 대한 인공 신경망 연산을 수행하는 인공 신경망 모듈 및 이의 동작 방법 |
CN114819084B (zh) * | 2022-04-26 | 2024-03-01 | 北京百度网讯科技有限公司 | 模型推理方法、装置、设备及存储介质 |
CN114840322B (zh) * | 2022-05-17 | 2022-12-09 | 北京百度网讯科技有限公司 | 任务调度方法及装置、电子设备和存储 |
CN117668302A (zh) * | 2022-08-26 | 2024-03-08 | 华为技术有限公司 | 图计算的方法、装置以及计算设备 |
WO2024053910A1 (ko) * | 2022-09-08 | 2024-03-14 | 삼성전자주식회사 | 기계학습 모델에 적합한 가속기를 선택하는 장치 및 방법 |
CN116795519B (zh) * | 2023-08-25 | 2023-12-05 | 江苏盖睿健康科技有限公司 | 一种基于互联网的远程智能调测方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05108595A (ja) * | 1991-10-17 | 1993-04-30 | Hitachi Ltd | ニユーラルネツトワークの分散学習装置 |
JPH09171503A (ja) * | 1995-07-14 | 1997-06-30 | Lucent Technol Inc | 並列処理方法および並列処理装置 |
US6175957B1 (en) * | 1997-12-09 | 2001-01-16 | International Business Machines Corporation | Method of, system for, and computer program product for providing efficient utilization of memory hierarchy through code restructuring |
JP2014059862A (ja) * | 2012-08-22 | 2014-04-03 | Canon Inc | データフローのリソース割り当て装置および方法 |
JP2014154107A (ja) * | 2013-02-13 | 2014-08-25 | Fujitsu Ltd | 二分決定グラフ処理システムおよび方法 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04211858A (ja) * | 1990-04-02 | 1992-08-03 | Mitsubishi Electric Corp | データフローグラフ分割装置及び分割方法 |
JP2001117900A (ja) | 1999-10-19 | 2001-04-27 | Fuji Xerox Co Ltd | ニューラルネットワーク演算装置 |
JP4073303B2 (ja) * | 2002-12-03 | 2008-04-09 | 富士通株式会社 | プログラム分割方法とそれを実施するプログラム |
US7961636B1 (en) * | 2004-05-27 | 2011-06-14 | Cisco Technology, Inc. | Vectorized software packet forwarding |
US7343482B2 (en) * | 2004-10-20 | 2008-03-11 | Arm Limited | Program subgraph identification |
US7350055B2 (en) * | 2004-10-20 | 2008-03-25 | Arm Limited | Tightly coupled accelerator |
US8490072B2 (en) * | 2009-06-23 | 2013-07-16 | International Business Machines Corporation | Partitioning operator flow graphs |
US9262228B2 (en) * | 2010-09-23 | 2016-02-16 | Microsoft Technology Licensing, Llc | Distributed workflow in loosely coupled computing |
JP6026236B2 (ja) | 2012-11-16 | 2016-11-16 | 富士フイルム株式会社 | 金属錯体色素、光電変換素子、色素増感太陽電池、色素溶液、色素吸着電極及び色素増感太陽電池の製造方法 |
JP2014102996A (ja) | 2012-11-20 | 2014-06-05 | Hitachi Cable Ltd | 軟質希薄銅合金線と接続端子との接合方法 |
JP5965498B2 (ja) * | 2012-12-26 | 2016-08-03 | 株式会社日立製作所 | 並列処理方法、および並列計算機システム |
JP6036848B2 (ja) * | 2012-12-28 | 2016-11-30 | 株式会社日立製作所 | 情報処理システム |
CN103970604B (zh) | 2013-01-31 | 2017-05-03 | 国际商业机器公司 | 基于MapReduce架构实现图处理的方法和装置 |
US9424079B2 (en) | 2013-06-27 | 2016-08-23 | Microsoft Technology Licensing, Llc | Iteration support in a heterogeneous dataflow engine |
KR20150007182A (ko) * | 2013-07-10 | 2015-01-20 | 주식회사 포인트 | 화차 중량 측정 장치 |
US9489639B2 (en) * | 2013-11-13 | 2016-11-08 | Microsoft Technology Licensing, Llc | Memory facilitation using directed acyclic graphs |
US9645575B2 (en) | 2013-11-27 | 2017-05-09 | Adept Ai Systems Inc. | Method and apparatus for artificially intelligent model-based control of dynamic processes using probabilistic agents |
US20150324690A1 (en) * | 2014-05-08 | 2015-11-12 | Microsoft Corporation | Deep Learning Training System |
CN104035751B (zh) * | 2014-06-20 | 2016-10-12 | 深圳市腾讯计算机系统有限公司 | 基于多图形处理器的数据并行处理方法及装置 |
US10686869B2 (en) * | 2014-09-29 | 2020-06-16 | Microsoft Technology Licensing, Llc | Tool for investigating the performance of a distributed processing system |
US9984337B2 (en) * | 2014-10-08 | 2018-05-29 | Nec Corporation | Parallelized machine learning with distributed lockless training |
US9543980B2 (en) * | 2014-10-10 | 2017-01-10 | Massachusettes Institute Of Technology | Systems and methods for model-free compression and model-based decompression |
CN104683488B (zh) * | 2015-03-31 | 2018-03-30 | 百度在线网络技术(北京)有限公司 | 流式计算系统及其调度方法和装置 |
CN104820945B (zh) * | 2015-04-17 | 2018-06-22 | 南京大学 | 基于社团结构挖掘算法的在线社会网络信息传播最大化方法 |
US10679145B2 (en) * | 2015-08-07 | 2020-06-09 | Nec Corporation | System and method for balancing computation with communication in parallel learning |
US20170091668A1 (en) * | 2015-09-30 | 2017-03-30 | Nec Laboratories America, Inc. | System and method for network bandwidth aware distributed learning |
KR102628902B1 (ko) | 2015-10-28 | 2024-01-24 | 구글 엘엘씨 | 계산 그래프들 프로세싱 |
-
2016
- 2016-10-28 KR KR1020227027727A patent/KR102628902B1/ko active IP Right Grant
- 2016-10-28 EP EP20164537.1A patent/EP3705994B1/en active Active
- 2016-10-28 KR KR1020187014915A patent/KR102076257B1/ko active IP Right Grant
- 2016-10-28 EP EP16826785.4A patent/EP3353656B1/en active Active
- 2016-10-28 KR KR1020247002275A patent/KR20240014612A/ko active Application Filing
- 2016-10-28 JP JP2018521825A patent/JP6983154B2/ja active Active
- 2016-10-28 KR KR1020207003263A patent/KR102433254B1/ko active IP Right Grant
- 2016-10-28 US US15/337,744 patent/US10860925B2/en active Active
- 2016-10-28 WO PCT/US2016/059449 patent/WO2017075438A1/en active Application Filing
- 2016-10-28 CN CN201680063236.7A patent/CN108292241B/zh active Active
- 2016-10-28 CN CN202210503891.7A patent/CN115061810A/zh active Pending
-
2018
- 2018-04-27 US US15/965,742 patent/US10534997B2/en active Active
-
2020
- 2020-05-14 JP JP2020085262A patent/JP6898496B2/ja active Active
- 2020-06-11 US US16/898,971 patent/US11769061B2/en active Active
-
2023
- 2023-08-18 US US18/235,632 patent/US20240160948A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05108595A (ja) * | 1991-10-17 | 1993-04-30 | Hitachi Ltd | ニユーラルネツトワークの分散学習装置 |
JPH09171503A (ja) * | 1995-07-14 | 1997-06-30 | Lucent Technol Inc | 並列処理方法および並列処理装置 |
US6175957B1 (en) * | 1997-12-09 | 2001-01-16 | International Business Machines Corporation | Method of, system for, and computer program product for providing efficient utilization of memory hierarchy through code restructuring |
JP2014059862A (ja) * | 2012-08-22 | 2014-04-03 | Canon Inc | データフローのリソース割り当て装置および方法 |
JP2014154107A (ja) * | 2013-02-13 | 2014-08-25 | Fujitsu Ltd | 二分決定グラフ処理システムおよび方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7179237B1 (ja) * | 2022-03-10 | 2022-11-28 | 三菱電機株式会社 | ニューラルネットワーク装置 |
WO2023170855A1 (ja) * | 2022-03-10 | 2023-09-14 | 三菱電機株式会社 | ニューラルネットワーク装置 |
Also Published As
Publication number | Publication date |
---|---|
KR102628902B1 (ko) | 2024-01-24 |
EP3353656B1 (en) | 2020-05-06 |
KR102076257B1 (ko) | 2020-02-11 |
WO2017075438A1 (en) | 2017-05-04 |
EP3705994A1 (en) | 2020-09-09 |
KR20220116573A (ko) | 2022-08-23 |
US20240160948A1 (en) | 2024-05-16 |
US11769061B2 (en) | 2023-09-26 |
JP6983154B2 (ja) | 2021-12-17 |
CN108292241B (zh) | 2022-05-24 |
US20180247197A1 (en) | 2018-08-30 |
KR20240014612A (ko) | 2024-02-01 |
US20170124452A1 (en) | 2017-05-04 |
KR102433254B1 (ko) | 2022-08-18 |
US20200302302A1 (en) | 2020-09-24 |
CN108292241A (zh) | 2018-07-17 |
JP2018538607A (ja) | 2018-12-27 |
CN115061810A (zh) | 2022-09-16 |
JP6898496B2 (ja) | 2021-07-07 |
KR20180077218A (ko) | 2018-07-06 |
EP3353656A1 (en) | 2018-08-01 |
US10534997B2 (en) | 2020-01-14 |
EP3705994B1 (en) | 2023-10-04 |
US10860925B2 (en) | 2020-12-08 |
KR20200015829A (ko) | 2020-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6898496B2 (ja) | 計算グラフの処理 | |
JP7094262B2 (ja) | 計算グラフの修正 | |
KR102081952B1 (ko) | 계산 그래프들의 스트림-기반 가속기 프로세싱 | |
CN108292374B (zh) | 训练表示为计算图的神经网络 | |
US20180052709A1 (en) | Dynamic usage balance of central processing units and accelerators | |
TWI776212B (zh) | 用於積體電路加速器之系統、方法及電腦儲存媒體 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200518 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210421 |
|
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: 20210517 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210610 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6898496 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |