神经网络的梯度稀疏方法和梯度稀疏装置.pdfVIP

下载本文档

0
0
约3.69万字
约 27页
2023-05-12 发布于北京
举报
版权申诉

神经网络的梯度稀疏方法和梯度稀疏装置.pdf

1、本文档共27页，其中可免费阅读26页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本申请提供人工智能领域中神经网络的梯度稀疏方法和相关装置。本申请提出了利用数据运算方法计算得到稀疏阈值，或者对实际稀疏度与预设稀疏度进行比较并基于比较结果来更新稀疏阈值，避免了使用排序操作来确定稀疏阈值，大大降低运算量，最终可以提高神经网络的训练效率。进一步地，本申请提出了每隔m轮迭代才更新一次稀疏阈值，从而每m轮迭代训练可以节省m‑1轮的稀疏阈值更新时间，进而可以提高神经网络的训练效率，m为大于1的整数。更进一步地，本申请还提出了稀疏阈值更新和梯度稀疏处理可以并行处理，从而可以提高神经网络的训

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114611656 A (43)申请公布日 2022.06.10 (21)申请号 202011425588.7 (22)申请日 2020.12.08 (71)申请人华为技术有限公司地址 51812