HARDWARE ACCELERATOR EXTENSION TO TRANSFER LEARNING - EXTENDING/FINISHING TRAINING TO THE EDGE
A computer-implemented method for training a neural network on a hardware accelerator of an edge device includes dividing a trained neural network into a domain independent portion and a domain dependent portion. The domain independent portion of the neural network is deployed onto a dedicated neura...
Saved in:
Main Authors | , , , , |
---|---|
Format | Patent |
Language | English French |
Published |
23.07.2020
|
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | A computer-implemented method for training a neural network on a hardware accelerator of an edge device includes dividing a trained neural network into a domain independent portion and a domain dependent portion. The domain independent portion of the neural network is deployed onto a dedicated neural network processing unit of the hardware accelerator of the edge device, and the domain dependent portion of the neural network is deployed onto one or more additional processors of the hardware accelerator of the edge device. The domain dependent portion on the additional processors of the hardware accelerator is retrained using data collected at the edge device.
Selon la présente invention, un procédé mis en œuvre par ordinateur pour entraîner un réseau neuronal sur un accélérateur matériel d'un dispositif de bord consiste à diviser un réseau neuronal entraîné en une partie indépendante du domaine et une partie dépendante du domaine. La partie indépendante du domaine du réseau neuronal est déployée sur une unité de traitement de réseau neuronal dédié de l'accélérateur matériel du dispositif de bord, et la partie dépendante du domaine du réseau neuronal est déployée sur un ou plusieurs processeurs supplémentaires de l'accélérateur matériel du dispositif de bord. La partie dépendante du domaine sur les processeurs supplémentaires de l'accélérateur matériel est réentraînée à l'aide de données collectées au niveau du dispositif de bord. |
---|---|
Bibliography: | Application Number: WO2019US13443 |