公开(公告)号：CN116745776A

公开(公告)日：2023-09-12

申请号：CN202280010765.6

申请日：2022-01-05

Applicant: 微软技术许可有限责任公司

Inventor： M·戈卢布 ,  R·赵 ,  E·钟 ,  D·伯格 ,  B·达尔维什·鲁哈尼 ,  杨格 ,  N·富西

IPC: G06N3/08

Abstract: 本公开的实施例包括一种系统，用于通过基于多个训练参数配置模型以执行训练过程、监测在训练过程的执行时产生的多个统计量、以及基于统计量中的一个或多个统计量来调整训练参数中的一个或多个训练参数以将统计量中的至少一个统计量维持在预定范围内来优化人工神经网络。在一些实施例中，人工智能(AI)处理器可以对模型执行训练过程，该训练过程具有相关联的训练参数集。训练过程的执行可以产生多个统计量。耦合到(多个)AI处理器的(多个)控制处理器可以接收统计量，并且据此调整训练参数中的一个或多个训练参数，以在训练过程的执行期间将统计量中的至少一个统计量维持在预定范围内。

公开(公告)号：CN109937453B

公开(公告)日：2023-03-10

申请号：CN201780069913.0

申请日：2017-10-31

Applicant: 微软技术许可有限责任公司

Inventor： D·洛 ,  E·钟 ,  K·奥恰洛夫 ,  R·潘德亚 ,  D·赫克曼 ,  R·斯奈特萨

IPC: G16B30/00

Abstract: 可以通过定制集成电路系统来执行两个核苷酸序列之间的比较，该定制集成电路系统可以在减少的存储器占用中实现Smith Waterman分析，该减少的存储器占用仅存储和参考表示所述两个核苷酸序列之间的所述比较的二维矩阵的单独的部分或者分段。随着回溯的进行，会需要回溯与来自当前没有被保留在存储器中的分段的与单元对应的元数据。这种分段可以根据与二维矩阵的检查点单元相关联的、在先前生成的得分而被重新生成，该检查点单元包括被重新生成的分段的两个边缘。此外，为了进一步减少存储器消耗，针对每个单元而存储的回溯元数据可以包括四个二进制数字：两个数字指示方向指派，一个数字指示对应的单元是否是跨多个连续的单元延伸的删除的一部分，以及一个数字类似地指示跨多个连续的单元延伸的插入。

公开(公告)号：CN107710238A

公开(公告)日：2018-02-16

申请号：CN201680038445.6

申请日：2016-06-27

Applicant: 微软技术许可有限责任公司

Inventor： D·C·伯格 ,  D·邱 ,  E·钟 ,  A·R·帕特纳姆

IPC: G06N3/063 ,  G06N3/08 ,  G06F15/78 ,  G06N5/02

CPC classification number: G06N3/084 ,  G06F15/7803 ,  G06F15/7821 ,  G06N3/063 ,  G06N3/08 ,  G06N5/025

Abstract: 提供一种用于在加速组件上处理深度神经网络的方法。该方法包括配置加速组件以执行深度神经网络的前向传播和后向传播阶段。加速组件包括布置在集成电路封装中的加速组件裸片和存储器堆栈。存储器堆栈具有大于约50GB/秒的存储器带宽和大于约20MB/秒/mW的功率效率。

公开(公告)号：CN107710237A

公开(公告)日：2018-02-16

申请号：CN201680039131.8

申请日：2016-06-24

Applicant: 微软技术许可有限责任公司

Inventor： E·钟 ,  K·施特劳斯 ,  K·奥恰洛夫 ,  J-Y·金 ,  O·鲁瓦瑟

IPC: G06N3/04 ,  G06N3/063

CPC classification number: G06N3/04 ,  G06N3/0454 ,  G06N3/063

Abstract: 提供了一种用于在服务器部件上实现深度神经网络的方法，该服务器部件包括主机部件和耦合到主机部件的硬件加速部件，主机部件包括CPU。深度神经网络包括多个层。该方法包括将深度神经网络划分成第一片段和第二片段，第一片段包括多个层的第一子集，第二片段包括多个层的第二子集，配置主机部件来实现第一片段，并配置硬件加速部件来实现第二片段。