特許

J-GLOBAL ID：202003000069988460

強化学習を用いたデバイス配置最適化

発明者： サミュエル・ベンジオ ,  モハマド・ノルージー ,  ブノワ・スタイナー ,  ジェフリー・アドゲート・ディーン ,  ヒュ・ヒ・ファム ,  アザリア・ミルホセイニ ,  クォク・ヴィー・レ ,  ナヴィーン・クマール ,  ユエフェン・ジョウ ,  ラスムス・ムンク・ラーセン
出願人/特許権者： グーグル エルエルシー
代理人 (3件)： 村山 靖彦 ,  実広 信哉 ,  阿部 達彦
公報種別：公表公報
出願番号（国際出願番号）：特願2019-552038
公開番号（公開出願番号）：特表2020-512639
出願日： 2018年03月23日
公開日（公表日）： 2020年04月23日
要約：

複数のハードウェアデバイスにわたる機械学習モデルオペレーションのための配置を決定するための方法について説明する。この方法は、複数のハードウェアデバイス上での分散処理のために配置されるべき機械学習モデルを指定するデータを受け取るステップと、データから、オペレーション埋込みのシーケンスを生成するステップであって、シーケンスでの各オペレーション埋込みが、機械学習モデルの処理を行うために必要なそれぞれのオペレーションを特徴づける、生成するステップと、複数のデバイスにわたるシーケンスでのオペレーション埋込みによって特徴づけられたオペレーションの配置を定義するネットワーク出力を生成するために、配置リカレントニューラルネットワークの複数のネットワークパラメータの第1の値に従って、配置リカレントニューラルネットワークを使用して、オペレーション埋込みのシーケンスを処理するステップと、ネットワーク出力によって定義された配置に従って複数のデバイスにオペレーションを配置することによって、複数のハードウェアデバイスによる処理のために機械学習モデルをスケジュールするステップとを含む。

請求項（抜粋）：

コンピュータ実装方法であって、 複数のハードウェアデバイス上での分散処理のために配置されるべき機械学習モデルを指定するデータを受け取るステップと、 前記機械学習モデルを指定する前記データから、オペレーション埋込みのシーケンスを生成するステップであって、前記シーケンスでの各オペレーション埋込みが、前記機械学習モデルの前記分散処理を行うために必要な1つまたは複数のそれぞれのオペレーションを特徴づける、ステップと、 配置リカレントニューラルネットワークの複数のネットワークパラメータの第1の値に従って、前記配置リカレントニューラルネットワークを使用して、オペレーション埋込みの前記シーケンスを処理するステップであって、 前記配置リカレントニューラルネットワークが、前記複数のデバイスにわたる前記シーケンスでの前記オペレーション埋込みによって特徴づけられた前記オペレーションの配置を定義するネットワーク出力を生成するために、前記第1の値に従ってオペレーション埋込みの前記シーケンスを処理するように構成される、ステップと、 前記ネットワーク出力によって定義された前記配置に従って前記複数のデバイスに前記オペレーションを配置することによって、前記複数のハードウェアデバイスによる処理のために前記機械学習モデルをスケジュールするステップと を含む、方法。

IPC (4件)：

G06N 3/04 ,  G06N 3/08 ,  G06N 20/00 ,  G06N 5/04

FI (4件)：

G06N3/04 154 ,  G06N3/08 ,  G06N20/00 ,  G06N5/04

引用特許：

出願人引用 (2件)

• ニユーラルネツトワークの分散学習装置
  公報種別：公開公報   出願番号：特願平3-269252   出願人：株式会社日立製作所, 日立東北ソフトウエア株式会社
• グラフ型計算における計算リソースの管理法
  公報種別：公表公報   出願番号：特願2009-511202   出願人：アビニシオソフトウェアエルエルシー

引用文献：

出願人引用 (1件)

• TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems