(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210382457.8 (22)申请日 2022.04.12 (71)申请人 北京灵汐科技有限公司 地址 100080 北京市海淀区北四环西路67 号8层801 (72)发明人 吴臻志　祝夭龙　 (74)专利代理 机构 北京天昊联合知识产权代理 有限公司 1 1112 专利代理师 彭瑞欣　冯建基 (51)Int.Cl. G06K 9/62(2022.01) G06F 9/50(2006.01) G06N 3/06(2006.01) (54)发明名称 任务分支预测模 型的训练方法、 任务分支预 测方法 (57)摘要 本公开提供了一种任务分支预测模型的训 练方法、 任务分支预测方法。 该训练方法包括： 针 对连续多个历史 时刻中的每个历史 时刻， 获取在 该历史时刻目标任务节点之前的各任务节点的 选择状态信息， 以及所述目标任务节 点的选择状 态信息； 根据所述目标任务节 点之前的各任务节 点的选择状态信息， 生成所述目标任务节点的一 个样本特征向量； 以及， 将所述目标任务节点在 该时刻的选择状态信息作为所述目标任务节点 的一个样 本标签； 根据所有所述样 本特征向量和 所述样本标签训练得到所述任务 分支预测模型。 根据本公开的实施例训练得到的预测模型， 能够 提高任务处 理效率。 权利要求书2页 说明书7页 附图4页 CN 114997260 A 2022.09.02 CN 114997260 A 1.一种任务分支预测模型的训练方法， 包括： 针对连续多个历史时刻中的每个历史时刻， 获取在该历史时刻目标任务节点之前的各 任务节点的选择状态信息， 以及所述目标任务节点的选择状态信息； 根据所述目标任务节点之前的各任务节点的选择状态信 息， 生成所述目标任务节点的 一个样本特征向量； 以及， 将所述 目标任务节点在该时刻的选择状态信息作为所述 目标任 务节点的一个样本标签； 根据所有所述样本特 征向量和所述样本标签训练得到所述任务分支预测模型。 2.根据权利要求1所述的任务分支预测模型的训练方法， 其中， 所述任务分支预测模型 基于神经网络模型进行训练得到 。 3.根据权利要求1或2所述的任务分支预测模型的训练方法， 其中， 所述任务分支预测 模型基于实时的正确的分支选择 结果作为标签进行网络训练得到 。 4.根据权利要求2所述的任务分支预测模型的训练方法， 其中， 所述神经网络模型为脉 冲神经网络模型。 5.根据权利要求4所述的任务分支预测模型的训练方法， 其中， 所述神经网络模型的结 构包括： 神经 元层、 时间整合层、 至少一个全连接层和至少一个选择层。 6.根据权利要求5所述的任务分支预测模型的训练方法， 其中， 所述选择层依据的选择 准则包括： 赢者 通吃准则。 7.一种任务分支预测方法， 包括： 获取当前任务节点之前的各任务节点的选择状态信息； 根据各所述任务节点的选择状态信息生成所述当前任务节点对应的特 征向量； 将所述特征向量输入预设的任务分支预测模型， 预测出当前任务节点的下一个任务节 点； 其中， 所述任务分支预测模型采用权利要求1 ‑5任一项所述的任务分支预测模型的训 练方法训练得到 。 8.根据权利要求7所述的任务分支预测方法， 其中， 在所述预测出当前任务节点的下一 个任务节点之后， 还 包括： 将下一个任务节点的任务配置信息加载至众核芯片上。 9.根据权利要求7所述的任务分支预测方法， 其中， 任务节点的选择状态信息包括： 任 务节点的选择状态对应的独热编码； 所述根据 各所述任务节点的选择状态信 息生成所述当前任务节点对应的特征向量， 包 括： 将所述当前任务节点之前的各任务节点的选择状态信 息对应的独热编码， 按各任务节 点的被执行顺序组成独热编 码序列， 将所述独热编 码序列作为所述当前任务节点的特征向 量。 10.一种任务分支预测模型的训练装置， 包括： 数据采集模块， 用于针对连续多个历史时刻中的每个历史时刻， 获取在该历史时刻目 标任务节点之前的各任务节点的选择状态信息， 以及所述目标任务节点的选择状态信息； 样本数据生成模块， 用于根据所述目标任务节点之前的各任务的选择状态信息， 生成 所述目标任务节点的一个样本特征向量； 以及， 将所述 目标任务节点在该时刻的选择状态权　利　要　求　书 1/2 页 2 CN 114997260 A 2信息作为所述目标任务节点的一个样本标签； 训练模块， 用于根据 所有所述样本特征向量和所述样本标签训练得到所述任务分支预 测模型。 11.一种任务分支预测装置， 包括： 获取模块， 用于获取当前任务节点之前的各任务节点的选择状态信息； 特征向量生成模块， 用于根据 各所述任务节点的选择状态信 息生成所述当前任务节点 对应的特 征向量； 预测模块， 用于将所述特征向量输入预设的任务分支预测模型， 预测出当前任务节点 的下一个任务节点。 12.一种处理核， 包括如权利要求10所述的训练装置和/或如权利要求11所述的任务分 支预测装置 。 13.一种电子设备， 包括： 多个处理核； 以及 片上网络， 被 配置为交 互所述多个处 理核间的数据和外 部数据； 一个或多个所述处理核中存储有一个或多个指令， 一个或多个所述指令被一个或多个 所述处理核执行， 以使一个或多个所述处理核能够执行权利要求1 ‑6中任一项所述的任务 分支预测模型的训练方法， 和/或使一个或多个所述处理核 执行权利要求7 ‑9中任一项 所述 的任务分支预测方法。 14.一种计算机可读介质， 其上存储有计算机程序， 其中， 所述计算机程序在被处理核 执行时实现如权利要求 1‑6中任一项 所述的任务分支预测模 型的训练方法， 和/或所述计算 机程序在被处 理核执行时实现如权利要求7 ‑9中任一项所述的任务分支预测方法。权　利　要　求　书 2/2 页 3 CN 114997260 A 3