-
公开(公告)号：CN113869342B
公开(公告)日：2025-01-17
申请号：CN202110718169.0
申请日：2021-06-28
Applicant: 微软技术许可有限责任公司
IPC: G06F18/214 , G06N20/00
Abstract: 提供了用于检测标记偏移并调整预估性模型的训练数据作为响应的技术。在实施例中，第一机器学习得出的模型用于为多个评分实例中的每一个生成预估标记。第一机器学习得出的模型是使用一种或多种机器学习技术基于多个训练实例被训练的，多个训练实例中的每个训练实例包括观察标记。响应于检测到观察标记的偏移，针对多个片段中的一个或多个片段中的每个片段，标识训练数据的与片段相对应的一部分。针对训练数据的一部分的子集中的每个训练实例，调整训练实例。将经调整的训练实例添加到最终的训练数据集。(多种)机器学习技术用于基于最终的训练数据集来训练第二机器学习得出的模型。
-
公开(公告)号：CN113869342A
公开(公告)日：2021-12-31
申请号：CN202110718169.0
申请日：2021-06-28
Applicant: 微软技术许可有限责任公司
Abstract: 提供了用于检测标记偏移并调整预估性模型的训练数据作为响应的技术。在实施例中，第一机器学习得出的模型用于为多个评分实例中的每一个生成预估标记。第一机器学习得出的模型是使用一种或多种机器学习技术基于多个训练实例被训练的，多个训练实例中的每个训练实例包括观察标记。响应于检测到观察标记的偏移，针对多个片段中的一个或多个片段中的每个片段，标识训练数据的与片段相对应的一部分。针对训练数据的一部分的子集中的每个训练实例，调整训练实例。将经调整的训练实例添加到最终的训练数据集。(多种)机器学习技术用于基于最终的训练数据集来训练第二机器学习得出的模型。
-
公开(公告)号：CN113095474A
公开(公告)日：2021-07-09
申请号：CN202010025197.X
申请日：2020-01-09
Applicant: 微软技术许可有限责任公司
Abstract: 根据本公开的实现，提出了一种用于预测深度学习模型的资源使用情况的方案。在该方案中，与深度学习模型有关的信息被获取。该信息包括用于描述深度学习模型的第一信息、以及与深度学习模型所关联的任务的运行环境有关的第二信息。该任务的静态资源使用情况基于第一信息被确定。该任务在运行环境中运行时的策略基于第一信息和第二信息被确定。然后，基于该策略和静态资源使用情况来预测该任务在运行环境中运行时的资源使用情况。该方案能够准确地预测深度学习模型在特定运行时策略下的各种资源的使用情况，诸如算力消耗、存储器消耗和执行时间等。此外，该方案具有可扩展架构，便于支持各种不同类型的深度学习框架。
-
-
Search Results
3
records
(took 0.027 seconds)
