JP6911949B2 - 情報処理装置、制御方法、及びプログラム - Google Patents
情報処理装置、制御方法、及びプログラム Download PDFInfo
- Publication number
- JP6911949B2 JP6911949B2 JP2019571755A JP2019571755A JP6911949B2 JP 6911949 B2 JP6911949 B2 JP 6911949B2 JP 2019571755 A JP2019571755 A JP 2019571755A JP 2019571755 A JP2019571755 A JP 2019571755A JP 6911949 B2 JP6911949 B2 JP 6911949B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix data
- sparsity
- representation format
- target matrix
- threshold
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Complex Calculations (AREA)
Description
前記選択部は、
前記算出されたスパース性が低スパース性閾値よりも大きいか否かを判定し、
前記算出されたスパース性が前記低スパース性閾値よりも小さいと判定された場合、前記密表現フォーマットを選択し、
前記算出されたスパース性が前記低スパース性閾値よりも小さくないと判定された場合、前記算出されたスパース性が高スパース性閾値よりも小さいか否かを判定し、前記高スパース性閾値は前記低スパース性閾値よりも大きく、
前記算出されたスパース性が前記高スパース性閾値よりも小さいと判定された場合、第1スパース表現フォーマットを選択し、
前記算出されたスパース性が前記高スパース性閾値よりも小さくないと判定された場合、第2スパース表現フォーマットを選択し、
前記高スパース性閾値は、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第2スパース表現フォーマットで表すために利用されるビット数との比較によって定まり、
前記低スパース性閾値は、前記対象行列データを前記密表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数との比較によって定まる。
前記表現フォーマットの選択は、
前記算出されたスパース性が低スパース性閾値よりも大きいか否かを判定し、
前記算出されたスパース性が前記低スパース性閾値よりも小さいと判定された場合、前記密表現フォーマットを選択し、
前記算出されたスパース性が前記低スパース性閾値よりも小さくないと判定された場合、前記算出されたスパース性が高スパース性閾値よりも小さいか否かを判定し、前記高スパース性閾値は前記低スパース性閾値よりも大きく、
前記算出されたスパース性が前記高スパース性閾値よりも小さいと判定された場合、第1スパース表現フォーマットを選択し、
前記算出されたスパース性が前記高スパース性閾値よりも小さくないと判定された場合、第2スパース表現フォーマットを選択する、ことを含み、
前記高スパース性閾値は、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第2スパース表現フォーマットで表すために利用されるビット数との比較によって定まり、
前記低スパース性閾値は、前記対象行列データを前記密表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数との比較によって定まる。
前記表現フォーマットの選択は、
前記算出されたスパース性が低スパース性閾値よりも大きいか否かを判定し、
前記算出されたスパース性が前記低スパース性閾値よりも小さいと判定された場合、前記密表現フォーマットを選択し、
前記算出されたスパース性が前記低スパース性閾値よりも小さくないと判定された場合、前記算出されたスパース性が高スパース性閾値よりも小さいか否かを判定し、前記高スパース性閾値は前記低スパース性閾値よりも大きく、
前記算出されたスパース性が前記高スパース性閾値よりも小さいと判定された場合、第1スパース表現フォーマットを選択し、
前記算出されたスパース性が前記高スパース性閾値よりも小さくないと判定された場合、第2スパース表現フォーマットを選択する、ことを含み、
前記高スパース性閾値は、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第2スパース表現フォーマットで表すために利用されるビット数との比較によって定まり、
前記低スパース性閾値は、前記対象行列データを前記密表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数との比較によって定まる。
図1は、実施形態1の情報処理装置2000を例示する図である。情報処理装置2000は、複数の表現フォーマットのうちの1つで行列データを表現する行列データ情報を扱う。以下では、行列データ情報によって表される行列データを、「対象行列データ」と呼ぶ。
本実施形態の情報処理装置2000によれば、対象行列データの表現フォーマットが、行列データのスパース性に基づいて、密表現フォーマット及び少なくとも2つのスパース表現フォーマットの中から決定される。そのため、行列データのスパース性が、密表現フォーマットとスパース表現フォーマットのいずれを使うかの判定だけでなく、対象行列を表すための表現フォーマットとして複数のスパース表現フォーマットのうちのどれを使うべきかを判定するためにも利用される。よって、密表現フォーマットとスパース表現フォーマットのどちらを利用するかの判定だけに行列データのスパース性が利用される特許文献1の技術と異なり、情報処理装置2000は、中程度のスパース性を持つ行列データについても、効率的に適切な表現フォーマットを決定することができる。
情報処理装置2000の各機能構成部は、図1に示されている各機能構成部を実現するハードウエア要素のみ(例えば、ハードワイヤードされた電子回路)で実現されてもよいし、ハードウエア要素とソフトウエア要素の組み合わせ(例えば、電子回路とその電子回路を制御するプログラム)で実現されてもよい。
図7は、実施形態1の情報処理装置2000によって実行される処理の流れを例示するフローチャートである。取得部2020は、行列データを密表現フォーマット又はスパース表現フォーマットで表す入力行列データ情報を取得する(S102)。スパース性算出部2040は、対象行列データのスパース性を算出する(S104)。選択部2060は、算出したスパース性に基づいて、複数の表現フォーマットのうちの一つを選択する(S106)。出力部2080は、選択された表現フォーマットで対象行列データを表す出力行列データ情報を出力する(S108)。
取得部2020は、入力行列データ情報を取得する(S102)。入力行列データ情報は様々な方法で取得することができる。例えば、入力行列データ情報はストレージデバイス1080に予め格納されうる。この場合、取得部2020は、入力行列データ情報ストレージデバイス1080から取得する。その他にも例えば、入力行列データ情報は、キーボードやタッチパネルなどの入力デバイスを用いて情報処理装置2000のユーザによって入力されてもよい。その他にも例えば、入力行列データ情報が格納されているサーバマシンや NAS(network attached storage)などの外部デバイスにアクセスし、これらの外部デバイスから入力行列データ情報を取得してもよい。その他にも例えば、取得部2020は、外部デバイスから送信される入力行列データ情報を受信してもよい。
スパース性算出部2040は、対象行列データのスパース性を算出する(S104)。行列データのスパース性は、以下の式で定義されうる。
選択部2060は算出したスパース性に基づいて、複数の表現フォーマットのうちの1つを選択する(S106)。具体的には、選択部2060は、算出された対象行列データのスパース性と所定の閾値を比較し、その比較結果に基づいて表現フォーマットを選択する。
出力部2080は、出力行列データ情報を出力する(S108)。出力行列データ情報は、出力部2080によって生成される。例えば、出力部2080は、選択部2060による選択の結果を取得し、その後、選択部2060によって選択された表現フォーマットで対象行列データを表す出力行列データ情報を生成する。
<実施形態2>
本実施形態の情報処理装置2000によれば、行列データだけでなく、1次元や3次元以上の配列も、そのスパース性に基づいてより効率的な表現フォーマットに変換するために扱うことができる。
以下、参考の構成の例を記載する。
(付記1)
対象行列データを密表現フォーマット又はスパース表現フォーマットで表している入力行列データ情報を取得する取得部を有し、
前記対象行列データが前記密表現フォーマットで表される場合、前記対象行列データは全てのデータ要素で表され、
前記対象行列データが前記スパース表現フォーマットで表される場合、前記対象行列データは、前記対象行列データの非ゼロ値データ要素で表され、
前記対象行列データのスパース性を算出するスパース性算出部と、
前記算出されたスパース性に基づいて複数の表現フォーマットのうちの1つを選択する選択部と、を有し、
前記複数の表現フォーマットは、前記密表現フォーマットと、少なくとも2つの種類のスパース表現フォーマットを含み、
前記対象行列データを前記選択された表現フォーマットで表している出力行列データ情報を出力する出力部を有する、情報処理装置。
(付記2)
前記選択部は、
前記算出されたスパース性が低スパース性閾値よりも大きいか否かを判定し、
前記算出されたスパース性が前記低スパース性閾値よりも小さいと判定された場合、前記密表現フォーマットを選択し、
前記算出されたスパース性が前記低スパース性閾値よりも小さくないと判定された場合、前記算出されたスパース性が高スパース性閾値よりも小さいか否かを判定し、前記高スパース性閾値は前記低スパース性閾値よりも大きく、
前記算出されたスパース性が前記高スパース性閾値よりも小さいと判定された場合、第1スパース表現フォーマットを選択し、
前記算出されたスパース性が前記高スパース性閾値よりも小さくないと判定された場合、第2スパース表現フォーマットを選択する、付記1に記載の情報処理装置。
(付記3)
前記高スパース性閾値は、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第2スパース表現フォーマットで表すために利用されるビット数との比較によって定まり、
前記低スパース性閾値は、前記対象行列データを前記密表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数との比較によって定まる、付記2に記載の情報処理装置。
(付記4)
前記第1スパース表現フォーマットが要素単位フラグスパース表現フォーマットであり、かつ、前記第2スパース表現フォーマットが compressed sparse row である場合、前記高スパース性閾値は数7で定められ、
Th1 は前記高スパース性閾値を表し、R は前記対象行列データの行数を表し、C は前記対象行列データの列数を表す、付記3に記載の情報処理装置。
前記第1スパース表現フォーマットが要素単位フラグスパース表現フォーマットである場合、前記低スパース性閾値は数8で定められ、
Th2 は前記低スパース性閾値を表し、B は前記対象行列データの各データ要素を表すために利用されるビット数である、付記3又は4に記載の情報処理装置。
1次元の配列データを取得し、前記1次元の配列データを複数の行又は列に分割し、前記複数の行又は列を含む前記入力行列データ情報を生成する変換部を有し、
前記取得部は、前記変換部によって生成された前記入力行列データを取得する、付記1から5いずれか一項に記載の情報処理装置。
(付記7)
3次元以上の配列データを取得し、前記3次元以上の配列データから複数の行列データを抽出し、それぞれが前記抽出した行列データのうちの1つを含む複数の前記入力行列データ情報を生成する変換部を有し、
前記取得部は、前記変換部によって生成された複数の前記入力行列データ情報を取得する、付記1から6いずれか一項に記載の情報処理装置。
(付記8)
コンピュータによって実行される制御方法であって、
対象行列データを密表現フォーマット又はスパース表現フォーマットで表している入力行列データ情報を取得し、
前記対象行列データが前記密表現フォーマットで表される場合、前記対象行列データは全てのデータ要素で表され、
前記対象行列データが前記スパース表現フォーマットで表される場合、前記対象行列データは、前記対象行列データの非ゼロ値データ要素で表され、
前記対象行列データのスパース性を算出し、
前記算出されたスパース性に基づいて複数の表現フォーマットのうちの1つを選択し、
前記複数の表現フォーマットは、前記密表現フォーマットと、少なくとも2つの種類のスパース表現フォーマットを含み、
前記対象行列データを前記選択された表現フォーマットで表している出力行列データ情報を出力する、制御方法。
(付記9)
前記表現フォーマットの選択は、
前記算出されたスパース性が低スパース性閾値よりも大きいか否かを判定し、
前記算出されたスパース性が前記低スパース性閾値よりも小さいと判定された場合、前記密表現フォーマットを選択し、
前記算出されたスパース性が前記低スパース性閾値よりも小さくないと判定された場合、前記算出されたスパース性が高スパース性閾値よりも小さいか否かを判定し、前記高スパース性閾値は前記低スパース性閾値よりも大きく、
前記算出されたスパース性が前記高スパース性閾値よりも小さいと判定された場合、第1スパース表現フォーマットを選択し、
前記算出されたスパース性が前記高スパース性閾値よりも小さくないと判定された場合、第2スパース表現フォーマットを選択する、ことを含む付記7に記載の制御方法。
(付記10)
前記高スパース性閾値は、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第2スパース表現フォーマットで表すために利用されるビット数との比較によって定まり、
前記低スパース性閾値は、前記対象行列データを前記密表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数との比較によって定まる、付記9に記載の制御方法。
(付記11)
前記第1スパース表現フォーマットが要素単位フラグスパース表現フォーマットであり、かつ、前記第2スパース表現フォーマットが compressed sparse row である場合、前記高スパース性閾値は数9で定められ、
Th1 は前記高スパース性閾値を表し、R は前記対象行列データの行数を表し、C は前記対象行列データの列数を表す、付記10に記載の制御方法。
前記第1スパース表現フォーマットが要素単位フラグスパース表現フォーマットである場合、前記低スパース性閾値は数10で定められ、
Th2 は前記低スパース性閾値を表し、B は前記対象行列データの各データ要素を表すために利用されるビット数である、付記10又は11に記載の制御方法。
1次元の配列データを取得し、前記1次元の配列データを複数の行又は列に分割し、前記複数の行又は列を含む前記入力行列データ情報を生成することをさらに含み、
前記入力行列データ情報の取得において、前記1次元の配列データから生成された前記入力行列データを取得する、付記8から12いずれか一項に記載の制御方法。
(付記14)
3次元以上の配列データを取得し、前記3次元以上の配列データから複数の行列データを抽出し、それぞれが前記抽出した行列データのうちの1つを含む複数の前記入力行列データ情報を生成することをさらに含み、
前記入力行列データ情報の取得において、前記3次元以上の配列データから生成された複数の前記入力行列データ情報を取得する、付記8から13いずれか一項に記載の制御方法。
(付記15)
コンピュータに、
対象行列データを密表現フォーマット又はスパース表現フォーマットで表している入力行列データ情報を取得させ、
前記対象行列データが前記密表現フォーマットで表される場合、前記対象行列データは全てのデータ要素で表され、
前記対象行列データが前記スパース表現フォーマットで表される場合、前記対象行列データは、前記対象行列データの非ゼロ値データ要素で表され、
前記対象行列データのスパース性を算出させ、
前記算出されたスパース性に基づいて複数の表現フォーマットのうちの1つを選択し、
前記複数の表現フォーマットは、前記密表現フォーマットと、少なくとも2つの種類のスパース表現フォーマットを含み、
前記対象行列データを前記選択された表現フォーマットで表している出力行列データ情報を出力させる、プログラム。
(付記16)
前記表現フォーマットの選択は、
前記算出されたスパース性が低スパース性閾値よりも大きいか否かを判定し、
前記算出されたスパース性が前記低スパース性閾値よりも小さいと判定された場合、前記密表現フォーマットを選択し、
前記算出されたスパース性が前記低スパース性閾値よりも小さくないと判定された場合、前記算出されたスパース性が高スパース性閾値よりも小さいか否かを判定し、前記高スパース性閾値は前記低スパース性閾値よりも大きく、
前記算出されたスパース性が前記高スパース性閾値よりも小さいと判定された場合、第1スパース表現フォーマットを選択し、
前記算出されたスパース性が前記高スパース性閾値よりも小さくないと判定された場合、第2スパース表現フォーマットを選択する、ことを含む付記15に記載のプログラム。
(付記17)
前記高スパース性閾値は、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第2スパース表現フォーマットで表すために利用されるビット数との比較によって定まり、
前記低スパース性閾値は、前記対象行列データを前記密表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数との比較によって定まる、付記16に記載のプログラム。
(付記18)
前記第1スパース表現フォーマットが要素単位フラグスパース表現フォーマットであり、かつ、前記第2スパース表現フォーマットが compressed sparse row である場合、前記高スパース性閾値は数11で定められ、
Th1 は前記高スパース性閾値を表し、R は前記対象行列データの行数を表し、C は前記対象行列データの列数を表す、付記17に記載のプログラム。
前記第1スパース表現フォーマットが要素単位フラグスパース表現フォーマットである場合、前記低スパース性閾値は数12で定められ、
Th2 は前記低スパース性閾値を表し、B は前記対象行列データの各データ要素を表すために利用されるビット数である、付記17又は18に記載のプログラム。
1次元の配列データを取得し、前記1次元の配列データを複数の行又は列に分割し、前記複数の行又は列を含む前記入力行列データ情報を生成することをさらに含み、
前記入力行列データ情報の取得において、前記1次元の配列データから生成された前記入力行列データを取得する、付記15から19いずれか一項に記載のプログラム。
(付記21)
3次元以上の配列データを取得し、前記3次元以上の配列データから複数の行列データを抽出し、それぞれが前記抽出した行列データのうちの1つを含む複数の前記入力行列データ情報を生成することをさらに含み、
前記入力行列データ情報の取得において、前記3次元以上の配列データから生成された複数の前記入力行列データ情報を取得する、付記15から20いずれか一項に記載のプログラム。
Claims (7)
- 対象行列データを密表現フォーマット又はスパース表現フォーマットで表している入力行列データ情報を取得する取得部を有し、
前記対象行列データが前記密表現フォーマットで表される場合、前記対象行列データは全てのデータ要素で表され、
前記対象行列データが前記スパース表現フォーマットで表される場合、前記対象行列データは、前記対象行列データの非ゼロ値データ要素で表され、
前記対象行列データのスパース性を算出するスパース性算出部と、
前記算出されたスパース性に基づいて複数の表現フォーマットのうちの1つを選択する選択部と、を有し、
前記複数の表現フォーマットは、前記密表現フォーマットと、少なくとも2つの種類のスパース表現フォーマットを含み、
前記対象行列データを前記選択された表現フォーマットで表している出力行列データ情報を出力する出力部を有し、
前記選択部は、
前記算出されたスパース性が低スパース性閾値よりも大きいか否かを判定し、
前記算出されたスパース性が前記低スパース性閾値よりも小さいと判定された場合、前記密表現フォーマットを選択し、
前記算出されたスパース性が前記低スパース性閾値よりも小さくないと判定された場合、前記算出されたスパース性が高スパース性閾値よりも小さいか否かを判定し、前記高スパース性閾値は前記低スパース性閾値よりも大きく、
前記算出されたスパース性が前記高スパース性閾値よりも小さいと判定された場合、第1スパース表現フォーマットを選択し、
前記算出されたスパース性が前記高スパース性閾値よりも小さくないと判定された場合、第2スパース表現フォーマットを選択し、
前記高スパース性閾値は、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第2スパース表現フォーマットで表すために利用されるビット数との比較によって定まり、
前記低スパース性閾値は、前記対象行列データを前記密表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数との比較によって定まる、
情報処理装置。 - 1次元の配列データを取得し、前記1次元の配列データを複数の行又は列に分割し、前記複数の行又は列を含む前記入力行列データ情報を生成する変換部を有し、
前記取得部は、前記変換部によって生成された前記入力行列データ情報を取得する、請求項1から3いずれか一項に記載の情報処理装置。 - 3次元以上の配列データを取得し、前記3次元以上の配列データから複数の行列データを抽出し、それぞれが前記抽出した行列データのうちの1つを含む複数の前記入力行列データ情報を生成する変換部を有し、
前記取得部は、前記変換部によって生成された複数の前記入力行列データ情報を取得する、請求項1から4いずれか一項に記載の情報処理装置。 - コンピュータによって実行される制御方法であって、
対象行列データを密表現フォーマット又はスパース表現フォーマットで表している入力行列データ情報を取得し、
前記対象行列データが前記密表現フォーマットで表される場合、前記対象行列データは全てのデータ要素で表され、
前記対象行列データが前記スパース表現フォーマットで表される場合、前記対象行列データは、前記対象行列データの非ゼロ値データ要素で表され、
前記対象行列データのスパース性を算出し、
前記算出されたスパース性に基づいて複数の表現フォーマットのうちの1つを選択し、
前記複数の表現フォーマットは、前記密表現フォーマットと、少なくとも2つの種類のスパース表現フォーマットを含み、
前記対象行列データを前記選択された表現フォーマットで表している出力行列データ情報を出力し、
前記表現フォーマットの選択は、
前記算出されたスパース性が低スパース性閾値よりも大きいか否かを判定し、
前記算出されたスパース性が前記低スパース性閾値よりも小さいと判定された場合、前記密表現フォーマットを選択し、
前記算出されたスパース性が前記低スパース性閾値よりも小さくないと判定された場合、前記算出されたスパース性が高スパース性閾値よりも小さいか否かを判定し、前記高スパース性閾値は前記低スパース性閾値よりも大きく、
前記算出されたスパース性が前記高スパース性閾値よりも小さいと判定された場合、第1スパース表現フォーマットを選択し、
前記算出されたスパース性が前記高スパース性閾値よりも小さくないと判定された場合、第2スパース表現フォーマットを選択する、ことを含み、
前記高スパース性閾値は、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第2スパース表現フォーマットで表すために利用されるビット数との比較によって定まり、
前記低スパース性閾値は、前記対象行列データを前記密表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数との比較によって定まる、
制御方法。 - コンピュータに、
対象行列データを密表現フォーマット又はスパース表現フォーマットで表している入力行列データ情報を取得させ、
前記対象行列データが前記密表現フォーマットで表される場合、前記対象行列データは全てのデータ要素で表され、
前記対象行列データが前記スパース表現フォーマットで表される場合、前記対象行列データは、前記対象行列データの非ゼロ値データ要素で表され、
前記対象行列データのスパース性を算出させ、
前記算出されたスパース性に基づいて複数の表現フォーマットのうちの1つを選択させ、
前記複数の表現フォーマットは、前記密表現フォーマットと、少なくとも2つの種類のスパース表現フォーマットを含み、
前記対象行列データを前記選択された表現フォーマットで表している出力行列データ情報を出力させ、
前記表現フォーマットの選択は、
前記算出されたスパース性が低スパース性閾値よりも大きいか否かを判定し、
前記算出されたスパース性が前記低スパース性閾値よりも小さいと判定された場合、前記密表現フォーマットを選択し、
前記算出されたスパース性が前記低スパース性閾値よりも小さくないと判定された場合、前記算出されたスパース性が高スパース性閾値よりも小さいか否かを判定し、前記高スパース性閾値は前記低スパース性閾値よりも大きく、
前記算出されたスパース性が前記高スパース性閾値よりも小さいと判定された場合、第1スパース表現フォーマットを選択し、
前記算出されたスパース性が前記高スパース性閾値よりも小さくないと判定された場合、第2スパース表現フォーマットを選択する、ことを含み、
前記高スパース性閾値は、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第2スパース表現フォーマットで表すために利用されるビット数との比較によって定まり、
前記低スパース性閾値は、前記対象行列データを前記密表現フォーマットで表すために利用されるビット数と、前記対象行列データを前記第1スパース表現フォーマットで表すために利用されるビット数との比較によって定まる、
プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/024459 WO2019008661A1 (en) | 2017-07-04 | 2017-07-04 | INFORMATION PROCESSING APPARATUS, CONTROL METHOD, AND PROGRAM |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020525930A JP2020525930A (ja) | 2020-08-27 |
JP6911949B2 true JP6911949B2 (ja) | 2021-07-28 |
Family
ID=59581983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019571755A Active JP6911949B2 (ja) | 2017-07-04 | 2017-07-04 | 情報処理装置、制御方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11308045B2 (ja) |
JP (1) | JP6911949B2 (ja) |
WO (1) | WO2019008661A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7267964B2 (ja) * | 2019-03-14 | 2023-05-02 | アクタピオ,インコーポレイテッド | 生成装置、生成方法および生成プログラム |
US11126690B2 (en) | 2019-03-29 | 2021-09-21 | Intel Corporation | Machine learning architecture support for block sparsity |
US11562248B2 (en) * | 2019-04-29 | 2023-01-24 | Advanced Micro Devices, Inc. | Data sparsity monitoring during neural network training |
EP4078455A1 (en) * | 2019-12-20 | 2022-10-26 | Vid Scale, Inc. | Compression of data stream |
US20220076095A1 (en) * | 2020-09-04 | 2022-03-10 | Alibaba Group Holding Limited | Multi-level sparse neural networks with dynamic rerouting |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2969047B2 (ja) | 1994-07-04 | 1999-11-02 | 鐘紡株式会社 | データ圧縮装置 |
US9396164B2 (en) * | 2013-10-21 | 2016-07-19 | International Business Machines Corporation | Sparsity-driven matrix representation to optimize operational and storage efficiency |
EP3467700B1 (en) * | 2014-11-18 | 2022-05-04 | Cognex Corporation | Systems and methods for decoding two-dimensional matrix symbols |
US20160259826A1 (en) * | 2015-03-02 | 2016-09-08 | International Business Machines Corporation | Parallelized Hybrid Sparse Matrix Representations for Performing Personalized Content Ranking |
US10061748B2 (en) * | 2015-12-11 | 2018-08-28 | Sap Se | Adaptive tile matrix representation and multiplication |
-
2017
- 2017-07-04 JP JP2019571755A patent/JP6911949B2/ja active Active
- 2017-07-04 WO PCT/JP2017/024459 patent/WO2019008661A1/en active Application Filing
- 2017-07-04 US US16/628,109 patent/US11308045B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2020525930A (ja) | 2020-08-27 |
WO2019008661A1 (en) | 2019-01-10 |
US20210149852A1 (en) | 2021-05-20 |
US11308045B2 (en) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6911949B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
US10096134B2 (en) | Data compaction and memory bandwidth reduction for sparse neural networks | |
JP7325158B2 (ja) | ニューラル・ネットワーク・コアにおける動的精度のためのデータ表現 | |
EP3794512A1 (en) | Systems and methods for unifying statistical models for different data modalities | |
US9292789B2 (en) | Continuous-weight neural networks | |
JP2019079305A (ja) | データ分析装置、データ分析方法、およびデータ分析プログラム | |
US20190066265A1 (en) | Image segmentation method and apparatus | |
JP7070093B2 (ja) | クラスタリング装置、クラスタリング方法及びプログラム | |
JP2022550730A (ja) | 高速なスパースニューラルネットワーク | |
EP3333721A1 (en) | A method and an apparatus for encoding a signal transporting data for reconstructing a sparse matrix | |
KR20230155417A (ko) | 하드웨어에서의 희소 행렬 곱셈 | |
Carassou et al. | Inferring the photometric and size evolution of galaxies from image simulations-I. Method | |
JP7116969B2 (ja) | 2次元マップ生成装置、2次元マップ生成方法および2次元マップ生成用プログラム | |
Chakrabarti et al. | A survey of architectures for the discrete and continuous wavelet transforms | |
US20230056735A1 (en) | Method of performing classification processing using machine learning model, information processing device, and computer program | |
CN115936974A (zh) | 基于单应性变换的图像数据处理方法、装置及介质 | |
CN111160517A (zh) | 一种深度神经网络的卷积层量化方法及装置 | |
WO2018131468A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP2011108192A (ja) | マルチメディア分類システム及びマルチメディア検索システム | |
CN110134813B (zh) | 图像检索方法、图像检索装置及终端设备 | |
CN107657610B (zh) | 一种基于计盒方法的ct扫描结果分析方法 | |
JP7248755B1 (ja) | 学習データ生成システム、学習データ生成方法及び学習データ生成プログラム | |
WO2023053222A1 (ja) | データ変換装置、データ変換方法、及びプログラムが格納された非一時的なコンピュータ可読媒体 | |
KR102299084B1 (ko) | 하드웨어 가속기의 출력 데이터를 메모리에 저장하는 방법, 하드웨어 가속기의 입력 데이터를 메모리로부터 읽는 방법, 및 이를 위한 하드웨어 가속기 | |
KR102420763B1 (ko) | 뉴럴 네트워크 시스템 및 뉴럴 네트워크의 필터 데이터의 처리 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191225 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191225 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210126 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210311 |
|
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: 20210608 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210621 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6911949 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |