摘要
本发明提供了一种用于稀疏矩阵向量乘设计的神经网络模型,用于为稀疏矩阵向量乘程序设计相关的多个决策阶段分别提供用于决策的策略和价值,所述神经网络包括:特征提取器,用于从稀疏矩阵在前一阶段的阶段表达中提取阶段特征,所述阶段表达包括层次映射、非零元的绝对位置和相对位置,所述层次映射指示稀疏矩阵的非零元在计算硬件中的分配信息;策略网络,用于根据所述阶段特征确定当前阶段的策略,所述策略为预测的当前阶段采取各动作的概率。价值网络,用于根据所述阶段特征确定价值,所述价值为前一阶段的阶段表达对应状态的期望价值。
技术关键词
稀疏矩阵向量乘
阶段
神经网络模型
策略
特征提取器
程序设计系统
特征提取模块
决策
分配信息
蒙特卡洛树
层次化结构
全局平均池化
内存
样本
搜索算法
索引
形态
系统为您推荐了相关专利信息
状态预测方法
直流系统
长短期记忆网络
数据
计算机程序产品
深度强化学习
协同控制方法
门控循环单元
速度
动态障碍物
医学图像分割模型
知识蒸馏方法
解码器
教师
学生
视觉测量方法
关键特征点
像素点
非极大值抑制方法
姿态估计
卷积模块
解码器模型
输出特征
多尺度
遥感影像道路