特許ウォッチ

公開番号2024153149
公報種別公開特許公報(A)
公開日2024-10-29
出願番号2023066863
出願日2023-04-17
発明の名称情報処理装置、機械学習用システム、および機械学習用プログラム
出願人株式会社デンソー,トヨタ自動車株式会社,株式会社ミライズテクノロジーズ
代理人弁理士法人明成国際特許事務所
主分類G06N 3/084 20230101AFI20241022BHJP(計算;計数)
要約【課題】比較的大きいノード数を処理する場合に、学習効率の低下と消費電力の増加とを抑制できる情報処理装置を提供する。
【解決手段】情報処理装置100,101は、畳み込み計算を実行するCPUとGPUとNPUとのうちのいずれか1つの第1プロセッサ10と、組み合わせ最適化を実行するイジングマシン30と、損失関数の計算を実行するCPUである第2プロセッサ20と、を備える。
【選択図】図1
特許請求の範囲【請求項１】
情報処理装置（１００，１０１）であって、
畳み込み計算を実行するＣＰＵとＧＰＵとＮＰＵとのうちのいずれか１つの第１プロセッサ（１０）と、
組み合わせ最適化を実行するイジングマシン（３０）と、
損失関数の計算を実行するＣＰＵである第２プロセッサ（２０）と、
を備える、情報処理装置。
続きを表示（約 980 文字）【請求項２】
請求項１に記載の情報処理装置において、
前記第１プロセッサと、前記イジングマシンと、前記第２プロセッサと、で共通に使用可能な共有メモリを更に備え、
前記イジングマシンは、古典イジングマシン（３１）である、情報処理装置。
【請求項３】
請求項１に記載の情報処理装置において、
前記イジングマシンは、量子イジングマシンである、情報処理装置。
【請求項４】
請求項１から請求項３までのいずれか一項に記載の情報処理装置において、
前記情報処理装置は、ＤｅｔｅｃｔｉｏｎＴｒａｎｓｆｏｒｍｅｒの演算に用いられ、
前記損失関数は、前記ＤｅｔｅｃｔｉｏｎＴｒａｎｓｆｏｒｍｅｒにおけるＨｕｎｇａｒｉａｎＬｏｓｓであり、
前記イジングマシンは、前記ＨｕｎｇａｒｉａｎＬｏｓｓにおけるＬ
ｍａｔｃｈ
の演算を実行する、
情報処理装置。
【請求項５】
請求項４に記載の情報処理装置において、
前記ＨｕｎｇａｒｉａｎＬｏｓｓとして、前記Ｌ
ｍａｔｃｈ
を用いる、
情報処理装置。
【請求項６】
請求項５に記載の情報処理装置を備える、機械学習用システム。
【請求項７】
機械学習用プログラムであって、
ＣＰＵとＧＰＵとＮＰＵとのうちのいずれか１つの第１プロセッサに畳み込み計算を実行させ、
古典イジングマシンに組み合わせ最適化を実行させ、
ＣＰＵである第２プロセッサに損失関数の計算を実行させる、
機械学習用プログラム。
【請求項８】
請求項７に記載の機械学習用プログラムであって、
前記機械学習用プログラムは、ＤｅｔｅｃｔｉｏｎＴｒａｎｓｆｏｒｍｅｒの学習に用いられ、
前記古典イジングマシンは、前記ＤｅｔｅｃｔｉｏｎＴｒａｎｓｆｏｒｍｅｒにおけるＬ
ｍａｔｃｈ
の演算を実行し、
前記Ｌ
ｍａｔｃｈ
は、前記ＤｅｔｅｃｔｉｏｎＴｒａｎｓｆｏｒｍｅｒにおけるＨｕｎｇａｒｉａｎＬｏｓｓとして用いられる、
機械学習用プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理装置、機械学習用システム、および機械学習用プログラムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
画像中の物体検出において、例えば非特許文献１に開示されているように、ＤｅｔｅｃｔｉｏｎＴｒａｎｓｆｏｒｍｅｒ（ＤＥＴＲ）が知られている。ＤＥＴＲでは、ＨｕｎｇａｒｉａｎＬｏｓｓを用いて推論結果と正解ラベルとのマッチングを求めている。
【先行技術文献】
【非特許文献】
【０００３】
Nicolas Carion et al, 'End-to-End Object Detection with Transformers' , Facebook AI.
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかし、ノード数が増加すると、ＨｕｎｇａｒｉａｎＬｏｓｓの演算時間は、指数関数的に増加する。このため、比較的大きいノード数を処理する場合に、学習効率が低下し、消費電力が増加する。
【課題を解決するための手段】
【０００５】
本開示は、以下の形態として実現することが可能である。
【０００６】
本開示の一形態によれば、情報処理装置（１００，１０１）が提供される。この情報処理装置は、畳み込み計算を実行するＣＰＵとＧＰＵとＮＰＵとのうちのいずれか１つの第１プロセッサ（１０）と、組み合わせ最適化を実行するイジングマシン（３０）と、損失関数の計算を実行するＣＰＵである第２プロセッサ（２０）と、を備える。
【０００７】
この形態の情報処理装置によれば、組み合わせ最適化を実行するイジングマシンを備えるので、イジングマシンを除いた任意のプロセッサにより組み合わせ最適化の演算を実行する構成と比較して、比較的多いノード数を処理する場合において演算時間を低減できる。これにより、比較的多いノード数を処理する場合において、学習効率を向上させることができ、消費電力を低減できる。
【図面の簡単な説明】
【０００８】
本開示の一実施形態としての情報処理装置の機能構成を示すブロック図である。
正解ラベルｙ
ｉ
による推論結果ｙ
ｉ
＾の選択の一例を示す表である。
第３実施形態における情報処理装置の機能構成を示すブロック図である。
【発明を実施するための形態】
【０００９】
Ａ．第１実施形態：
図１に示す情報処理装置１００は、ＤｅｔｅｃｔｉｏｎＴｒａｎｓｆｏｒｍｅｒ（ＤＥＴＲ）による物体検出に用いられる。情報処理装置１００は、第１プロセッサ１０と、第２プロセッサ２０と、イジングマシン３０と、を備える。第１プロセッサ１０と、第２プロセッサ２０と、イジングマシン３０とは、内部バス５０により互いに通信可能に接続されている。
【００１０】
第１プロセッサ１０は、画像の特徴量を畳み込み処理により抽出する。抽出された特徴量を用いて特徴マップが生成され、生成された特徴マップはＤＥＴＲにおけるＥｎｃｏｄｅｒに入力される。本実施形態における第１プロセッサ１０は、畳み込み処理を実行可能なＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、ＧＰＵ（ＧｒａｐｈｉｃｓＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、またはＮＰＵ（ＮｅｕｒａｌｎｅｔｗｏｒｋＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）である。
（【００１１】以降は省略されています）

関連特許