针对机器学习模型的比特翻转控制方法、系统以及装置

技术领域

本说明书涉及计算机技术领域，尤其涉及针对机器学习模型的比特翻转控制方法、系统以及装置。

背景技术

近年来，随着电子信息行业的迅速发展，电路的集成度以及复杂度逐渐提高，同时，由于电路的集成度以及复杂度较高等因素造成的比特翻转也成为较为严峻的问题。

目前，在机器学习领域，可以采用增加硬件(如：错误检查和纠正(Error Checkingand Correcting，ECC)内存)的形式来校验比特翻转的现象。另外，也可以采用软件的形式来校验比特翻转的现象，例如：可以通过执行多次相同的计算任务，将出现次数较高的计算结果所对应的计算任务判定为未发生比特翻转的情况下所对应的计算任务。

但是，采用增加硬件的形式来校验比特翻转的现象的成本较高且较为复杂，并且采用软件的形式来校验比特翻转的现象的执行效率较低。

因此，如何降低在机器学习领域中校验比特翻转的成本以及提高校验比特翻转的执行效率是一个亟待解决的问题。

发明内容

本说明书提供了针对机器学习模型的比特翻转控制方法、系统以及装置，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了针对机器学习模型的比特翻转控制方法，包括：

将测试样本输入目标模型，得到针对所述目标模型的第一精度结果；

对所述目标模型中的网络层中参数的比特位进行翻转，得到翻转后模型，并将所述测试样本输入到该翻转后模型中，得到针对该翻转后模型的第二精度结果，根据所述第一精度结果以及所述第二精度结果，从所述目标模型中确定目标网络层以及该目标网络层中包含的待校验比特位类型，并对所述目标模型中其余参数的比特位进行翻转，得到下一翻转后模型，直至通过得到的各翻转后模型确定出各目标网络层以及各待校验比特位类型为止；

当接收到终端设备发送的校验请求时，向所述终端设备发送校验数据，以使所述终端设备根据所述校验数据，对所述终端设备部署的本地模型中所述各目标网络层包含的各待校验比特位类型对应的参数进行校验，所述本地模型是基于下发的所述目标模型的模型参数部署在所述终端设备本地的；

当确定所述本地模型中至少部分目标网络层包含的待校验比特位类型对应的参数发生比特翻转时，向所述终端设备发送标准参数，以使所述终端设备通过所述标准参数校正所述本地模型的参数，并通过校正后本地模型执行任务。

可选地，根据所述第一精度结果以及所述第二精度结果，从所述目标模型中确定目标网络层以及该目标网络层中包含的待校验比特位类型，具体包括：

确定所述第一精度结果和该翻转后模型对应的第二精度结果之间的偏差；

当所述偏差差大于预设的阈值时，将该翻转后模型中翻转比特位的参数所在的网络层作为目标网络层，以及将该翻转后模型中翻转比特位的参数所对应的比特位类型，作为待校验比特位类型。

可选地，对所述目标模型中其余参数的比特位进行翻转，得到下一翻转后模型，具体包括：

将所述目标模型中包含的所述目标网络层中除所述待校验比特位类型的其他比特位类型的参数的比特位进行翻转，得到下一翻转后模型。

可选地，在接收终端设备发送的校验请求之前，所述方法还包括：

将所述各目标网络层的网络层标识信息以及所述各待校验比特位类型的类型信息发送给所述终端设备进行保存。

可选地，所述参数的类型为浮点类型，所述待校验比特位类型包括：符号位、指数位和尾数位。

本说明书提供了针对机器学习模型的比特翻转控制系统，所述系统包括：服务器以及各终端设备；

所述服务器，用于将测试样本输入目标模型，得到针对所述目标模型的第一精度结果，并对所述目标模型中的网络层中参数的比特位进行翻转，得到翻转后模型，并将所述测试样本输入到该翻转后模型中，得到针对该翻转后模型的第二精度结果，根据所述第一精度结果以及所述第二精度结果，从所述目标模型中确定目标网络层以及该目标网络层中包含的待校验比特位类型，并对所述目标模型中其余参数的比特位进行翻转，得到下一翻转后模型，直至通过得到的各翻转后模型确定出各目标网络层以及各待校验比特位类型为止，接收所述终端设备发送的校验请求，并向所述终端设备发送校验数据，当确定所述本地模型中至少部分目标网络层包含的待校验比特位类型对应的参数发生比特翻转时，向所述终端设备发送标准参数；

针对每个终端设备，用于向所述服务器发送校验请求，并接收所述服务器发送的校验数据，并根据所述校验数据，对所述终端设备部署的本地模型中所述各目标网络层包含的各待校验比特位类型对应的参数进行校验，并通过所述服务器发送的标准参数校正所述本地模型的参数，以通过校正后本地模型执行任务，所述本地模型是基于下发的所述目标模型的模型参数部署在所述终端设备本地的。

本说明书提供了针对机器学习模型的比特翻转控制装置，包括：

测试模块：用于将测试样本输入目标模型，得到针对所述目标模型的第一精度结果；

翻转模块：用于对所述目标模型中的网络层中参数的比特位进行翻转，得到翻转后模型，并将所述测试样本输入到该翻转后模型中，得到针对该翻转后模型的第二精度结果，根据所述第一精度结果以及所述第二精度结果，从所述目标模型中确定目标网络层以及该目标网络层中包含的待校验比特位类型，并对所述目标模型中其余参数的比特位进行翻转，得到下一翻转后模型，直至通过得到的各翻转后模型确定出各目标网络层以及各待校验比特位类型为止；

校验模块：用于当接收到终端设备发送的校验请求时，向所述终端设备发送校验数据，以使所述终端设备根据所述校验数据，对所述终端设备部署的本地模型中所述各目标网络层包含的各待校验比特位类型对应的参数进行校验，所述本地模型是基于下发的所述目标模型的模型参数部署在所述终端设备本地的；

校正模块：用于当确定所述本地模型中至少部分目标网络层包含的待校验比特位类型对应的参数发生比特翻转时，向所述终端设备发送标准参数，以使所述终端设备通过所述标准参数校正所述本地模型的参数，并通过校正后本地模型执行任务。

可选地，所述翻转模块具体用于：

确定所述第一精度结果和该翻转后模型对应的第二精度结果之间的偏差；

当所述偏差差大于预设的阈值时，将该翻转后模型中翻转比特位的参数所在的网络层作为目标网络层，以及将该翻转后模型中翻转比特位的参数所对应的比特位类型，作为待校验比特位类型。

本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述针对机器学习模型的比特翻转控制方法。

本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于语音情感识别的业务执行的方法。

本说明书采用的上述至少一个技术方案能够达到以下有益效果：

本说明书提供的针对机器学习模型的比特翻转控制方法，首先将测试样本输入目标模型，得到第一精度结果，对目标模型中参数的比特位进行翻转，将测试样本输入到翻转后模型中，得到第二精度结果。根据第一精度结果和第二精度结果，确定目标网络层以及待校验比特位类型，并对其余参数的比特位进行翻转，直至通过各翻转后模型确定出各目标网络层以及各待校验比特位类型为止。当接收到校验请求时，向终端设备发送校验数据，以使其对本地模型进行校验。当确定本地模型中至少部分目标网络层包含的待校验比特位类型对应的参数发生比特翻转时，向终端设备发送标准参数，以使其通过标准参数校正本地模型，并通过校正后本地模型执行任务。

从上述方法中可以看出，在确定部署在终端设备中的本地模型是否发生比特翻转的过程中，可以针对前期根据测试样本测试出的各目标网络层以及各目标网络层中包含的待校验比特位类型，进行相应的校验，并根据校验的结果进行相应的纠正。即上述方法无需采用硬件的形式来校验比特翻转的现象，进而降低了硬件成本，并且无需通过执行多次相同的计算任务来判定是否发生比特翻转，进而提高了校验比特翻转现象的执行效率。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书中提供的针对机器学习模型的比特翻转控制方法的流程示意图；

图2为本说明书提供的针对机器学习模型的比特翻转控制流程的示意图；

图3为本说明书提供的针对机器学习模型的比特翻转控制系统的示意图；

图4为本说明书提供的针对机器学习模型的比特翻转控制装置的示意图；

图5为本说明书提供的一种对应于图1的电子设备的示意结构图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书中提供的针对机器学习模型的比特翻转控制方法的流程示意图，包括以下步骤：

S101：将测试样本输入目标模型，得到针对所述目标模型的第一精度结果。

本说明书中涉及的针对机器学习模型的比特翻转控制方法的执行主体可以是诸如台式电脑、笔记本电脑等终端设备，也可以是安装在终端设备中的客户端，亦或是服务器。下面仅以服务器是执行主体为例，对本说明书实施例中的针对机器学习模型的比特翻转控制方法进行说明。

本说明书提供的针对机器学习模型的比特翻转控制方法可以总体分为两个步骤，首先是对目标模型进行比特翻转测试的过程，其次是响应于用户的终端设备的校验请求并进行校验与纠正的过程。

目前，在机器学习领域，可以采用增加硬件的形式来校验比特翻转的现象。另外，也可以采用软件的形式来校验比特翻转的现象，例如：可以通过执行多次相同的计算任务，将出现次数较高的计算结果所对应的计算任务判定为未发生比特翻转的情况下所对应的计算任务。但是，采用增加硬件的形式来校验比特翻转的现象的成本较高且较为复杂，并且采用软件的形式来校验比特翻转的现象的执行效率较低。

为了解决上述问题，在本说明书中，服务器可以先将测试样本输入目标模型，进而可以得到针对该目标模型的第一精度结果。

测试样本可以来源于预设的测试样本集，服务器可以将测试样本输入目标模型中，以得到相应的输出结果，可以将输出结果正确的样本数量占总样本数量的比值作为第一精度结果(如：97％)，即第一精度结果可以用于衡量目标模型的输出结果的准确性。另外，目标模型可以根据需求来确定，例如，目标模型可以是能够执行各种自然语言处理任务的大语言模型，相应的测试样本可以是文本等，也可以是对图像进行识别的图像识别模型，那么相应的测试样本可以是图像等。

S102：对所述目标模型中的网络层中参数的比特位进行翻转，得到翻转后模型，并将所述测试样本输入到该翻转后模型中，得到针对该翻转后模型的第二精度结果，根据所述第一精度结果以及所述第二精度结果，从所述目标模型中确定目标网络层以及该目标网络层中包含的待校验比特位类型，并对所述目标模型中其余参数的比特位进行翻转，得到下一翻转后模型，直至通过得到的各翻转后模型确定出各目标网络层以及各待校验比特位类型为止。

在本说明书中，为了校验出发生比特翻转现象后对目标模型的输出结果有较大影响的至少部分参数对应的网络层以及比特位类型，服务器可以对目标模型中的网络层中的参数的比特位进行翻转，得到翻转后模型。而后，可以将测试样本输入到该翻转后模型中，得到针对该翻转后模型的第二精度结果。

而后，服务器可以根据第一精度结果以及第二精度结果，从目标模型中确定出目标网络层以及该目标网络层中包含的待校验比特位类型。

具体地，服务器可以确定出第一精度结果和该翻转后模型对应的第二精度结果之间的偏差，当偏差大于预设的阈值时，可以将该翻转后模型中翻转比特位的参数所在的网络层作为目标网络层，并将该翻转后模型中翻转比特位的参数所对应的比特位类型，作为待校验比特位类型。

由此可以看出，在进行比特翻转测试的过程中，将对目标模型的精度结果影响较大时所翻转的参数的比特位所对应的网络层作为目标网络层，并将对目标模型精度结果影响较大时所翻转的参数的比特位的类型作为待校验比特位类型。即可以忽略或者不着重考虑部分参数的比特位翻转所造成的对目标模型的精度结果影响较小的情况，进而可以提高在对目标模型进行比特翻转测试过程中的执行效率。

需要注意的是，目标模型中参数的类型可以是浮点类型，待校验的比特位类型可以包括：符号位、指数位和尾数位。

确定出该翻转后模型的目标网络层以及待校验比特位类型后，服务器可以将目标模型中包含的目标网络层中除了待校验比特位类型的其他比特位类型的参数的比特位进行翻转，得到下一翻转后模型，直至通过得到的各翻转后模型确定出各目标网络层以及各待校验比特位类型为止，即直至遍历完目标网络模型中的各网络层为止。例如：针对该翻转后模型，确定出的目标网络层为第一个网络层，以及确定出的该目标网络层中包含的待校验比特位类型为符号位，那么，在此之后可以翻转第一个网络层包含的参数中除了符号位以外的其他类型的比特位的参数(如：指数位)。也就是说，为了提高执行效率，针对当前翻转后模型，在确定出目标网络层中包含的待校验比特位类型后，在后续过程中，可以不用对相同目标网络层中待校验比特位类型的参数进行翻转。

由于在实际应用过程中，目标模型中各网络层中包含的参数可能存在多个。因此，在本说明书中，可以采用随机采样的方式来选择出每个网络层中的部分参数进行比特翻转的测试。另外，也可以对每个网络层中的所有参数都进行比特翻转的测试。

由上述方法可知，通过对目标模型进行比特翻转的测试，可以确定出发生比特翻转后对目标模型的精度结果的影响较大时所对应的目标网络层以及该目标网络层中包含的待校验比特位类型，进而可以在后期用户使用的过程中可以着重去校验确定出的目标网络层以及目标网络层中包含的待校验比特位类型，接下来将阐述响应于用户的终端设备的校验请求并进行校验与纠正的过程。

S103：当接收到终端设备发送的校验请求时，向所述终端设备发送校验数据，以使所述终端设备根据所述校验数据，对所述终端设备部署的本地模型中所述各目标网络层包含的各待校验比特位类型对应的参数进行校验，所述本地模型是基于下发的所述目标模型的模型参数部署在所述终端设备本地的。

服务器在完成对目标模型的比特位翻转测试后，当接收到用户的终端设备发送的校验请求时，可以向终端设备发送校验数据，进而可以使终端设备根据校验数据，对终端设备部署的本地模型中的各目标网络层包含的各待校验比特位类型对应的参数进行校验。其中，终端设备根据校验数据进行校验的过程可以采用诸如循环冗余校核(CyclicRedundancy Check，CRC)算法等。

需要注意的是，终端设备发送的校验请求可以来源于自行设置的周期性校验所发送的请求。例如：可以是每隔10分钟会自动向服务器发送校验请求。另外，也可以是用户在执行任务的过程中，终端设备响应于用户的任务操作，先生成校验请求，并发送给服务器，当通过服务器返回的校验数据完成本地模型的校验以及纠正后，再对生成的任务请求进行执行。

在接收用户的终端设备发送的校验请求之前，服务器可以将各目标网络层的网络层标识信息以及各待校验位比特位类型的类型信息发送给终端设备，以使终端设备对接收到的信息进行保存，进而可以使终端设备针对保存的信息，根据服务器发送的校验数据对部署在本地模型中的各目标网络层包含的各待校验比特位类型对应的参数进行校验。另外，部署在终端设备中的本地模型是基于下发的目标模型参数部署在终端设备的本地的。

除此之外，服务器也可以在接收到终端设备发送的校验请求之后，将各目标网络层的网络层标识信息以及各待校验位比特位类型的类型信息一并发送给终端设备。当然，也可以在接收到校验请求之后，先将各目标网络层标识信息以及各待校验位比特位类型信息发送给终端设备，而后将校验数据发送给终端设备等等。

S104：当确定所述本地模型中至少部分目标网络层包含的待校验比特位类型对应的参数发生比特翻转时，向所述终端设备发送标准参数，以使所述终端设备通过所述标准参数校正所述本地模型的参数，并通过校正后本地模型执行任务。

终端设备在接收到服务器发送的校验数据后，可以对部署在终端设备中的本地模型进行校验，并且当确定出本地模型中的至少部分目标网络层包含的待校验比特位类型对应的参数发生比特翻转时，生成相应的校正请求，并将该校正请求发送给服务器。

服务器接收到终端设备发送的校正请求后，可以向终端设备发送标准参数。

终端设备可以通过接收的标准参数对本地模型的参数进行校正，并且可以通过校正后的本地模型执行任务。

需要注意的是，终端设备在对本地模型进行校正时，可以通过标准参数对目标网络层包含的参数进行替换，也可以通过标准参数对目标网络层中的待校验比特位类型对应的参数进行替换，还可以通过标准参数对模型的所有网络层的参数进行整体替换。

当然，也可以针对确定出的发生比特翻转的至少部分目标网络层对应的参数进行替换，还可以只针对确定出的发生比特翻转的至少部分目标网络层包含的各待校验比特位类型对应的参数进行替换。相应的，对于服务器来说，服务器可以返回的标准参数可以是指目标模型所包含的所有参数，也可以是指目标网络层所包含的所有参数，也可以是指目标网络层中待校验比特位类型所对应的参数，抑或是终端设备校验出的发生比特翻转的参数。

另外，针对上述服务器返回的标准参数为目标模型所包含的所有参数时，终端设备可以有多种对参数替换的方式，例如：可以通过标准参数对模型的所有网络层的参数进行整体替换，也可以从标准参数中选择出目标网络层包含的参数进行替换，还可以从标准参数中选择出目标网络层包含的待校验比特位对应的参数进行替换，抑或是从标准参数中选择出终端设备校验出的发生比特翻转的参数进行替换等。

由上述方法可以看出，在确定部署在终端设备中的本地模型是否发生比特翻转的过程中，可以针对前期根据测试样本测试出的各目标网络层以及各目标网络层中包含的待校验比特位类型，进行相应的校验，并根据校验的结果进行相应的纠正。即无需采用硬件的形式来校验比特翻转的现象，进而降低了硬件成本，并且无需通过执行多次相同的计算任务来判定是否发生比特翻转，进而提高了校验比特翻转现象的执行效率。

为了进一步地对本说明书提供的针对机器学习模型的比特翻转控制方法进行说明，下面将对本说明书提供的方法的流程进行详细的介绍，如图2所示。

图2为本说明书提供的针对机器学习模型的比特翻转控制流程的示意图。

由图2可以看出，服务器可以将测试样本输入目标模型，进而得到第一精度结果。而后，可以对目标模型中的网络层中的参数的比特位进行翻转，进而得到翻转后模型。如图2所示，可以对第一个网络层的参数m的符号位进行翻转，得到翻转后模型，并将测试样本输入到翻转后模型中，可以得到第二精度结果a。若第二精度结果a与第一精度结果的差值大于预设的阈值，则将第一个网络层作为目标网络层，并确定目标网络层中包含的待校验比特位类型为符号位。

而后，可以对第二个网络层的参数n的指数位进行翻转，得到翻转后模型，并将测试样本输入到翻转后模型中，可以得到第二精度结果b。若第二精度结果b与第一精度结果的差值大于预设的阈值，则将第二个网络层作为目标网络层，并确定目标网络层中包含的待校验比特位类型为指数位。而后，可以对除相同目标网络层包含的待校验比特位类型的参数进行翻转，得到下一个翻转后模型，直至通过得到的各翻转后模型确定出各目标网络层以及各待校验比特位类型为止。即后续可以无需对第一个网络层的其他符号位的参数进行翻转，也可以无需对第二个网络层的其他指数位的参数进行翻转。

服务器可以将各目标网络层的网络层标识信息以及各待校验位比特位类型的类型信息发送给终端设备，并当接收到校验请求时将校验数据发送给终端设备。

终端设备可以根据校验数据对部署在本地模型中的各目标网络层包含的各待校验比特位类型对应的参数进行校验，并且当校验出部分目标网络层包含的待校验比特位类型对应的参数发生翻转时，向服务器发送校正请求。

服务器接收到校正请求后，可以向终端设备发送标准参数。终端设备可以通过接收到的标准参数对本地模型包含的参数进行校正，并通过校正后模型执行任务。

当然，图2只是列举了本说明书中具体实施例的一种情况。

除此之外，本说明书还提供了针对机器学习模型的比特翻转控制系统，如图3所示。

图3为本说明书提供的针对机器学习模型的比特翻转控制系统的示意图。

由图3可以看出，本说明书中的方法的具体应用场景可以是诸如图3所示的服务器和多个终端设备所组成的架构。针对每个终端设备，可以根据服务器发送的初始模型，通过本地的训练样本进行训练，并将训练得到的梯度数据发送给服务器。服务器可以根据接收到的梯度数据，对部署的初始模型的各网络层的参数进行更新，并将更新后的参数发送给各终端设备。

各终端设备可以针对接收到的更新后的参数，再次通过本地的训练样本进行训练，并将更新后的梯度数据发送给服务器。而后，服务器可以根据接收到的梯度数据，对各网络层的参数再次进行更新，并将更新后的参数发送给各终端设备，持续迭代，直至梯度缩小到一定阈值或者训练达到指定轮次结束。

服务器可以将最终更新后的各网络层的参数发送给各终端设备，以使各终端设备对各网络层的参数进行更新。各终端设备可以通过更新后的本地模型执行相关任务，然而在执行相关任务过程中可能会出现比特翻转的情况。

因此，各终端设备在执行相关任务之前可以通过向服务器发送校验请求来对本地模型进行校验，并当确定出本地模型中的至少部分目标网络层包含的待校验比特位类型对应的参数发生比特翻转时，可以根据服务器发送的标准参数对本地模型的参数进行校正，并且可以通过校正后的本地模型执行相关任务。

以上为本说明书的一个或多个实施的方法，基于同样的思路，本说明书还提供了相应的针对机器学习模型的比特翻转控制的装置，如图4所示。

图4为本说明书提供的针对机器学习模型的比特翻转控制装置的示意图，包括：

测试模块401，用于将测试样本输入目标模型，得到针对所述目标模型的第一精度结果；

翻转模块402，用于对所述目标模型中的网络层中参数的比特位进行翻转，得到翻转后模型，并将所述测试样本输入到该翻转后模型中，得到针对该翻转后模型的第二精度结果，根据所述第一精度结果以及所述第二精度结果，从所述目标模型中确定目标网络层以及该目标网络层中包含的待校验比特位类型，并对所述目标模型中其余参数的比特位进行翻转，得到下一翻转后模型，直至通过得到的各翻转后模型确定出各目标网络层以及各待校验比特位类型为止；

校验模块403，用于当接收到终端设备发送的校验请求时，向所述终端设备发送校验数据，以使所述终端设备根据所述校验数据，对所述终端设备部署的本地模型中所述各目标网络层包含的各待校验比特位类型对应的参数进行校验，所述本地模型是基于下发的所述目标模型的模型参数部署在所述终端设备本地的；

校正模块404，用于当确定所述本地模型中至少部分目标网络层包含的待校验比特位类型对应的参数发生比特翻转时，向所述终端设备发送标准参数，以使所述终端设备通过所述标准参数校正所述本地模型的参数，并通过校正后本地模型执行任务。

可选地，所述翻转模块402具体用于，确定所述第一精度结果和该翻转后模型对应的第二精度结果之间的偏差；当所述偏差差大于预设的阈值时，将该翻转后模型中翻转比特位的参数所在的网络层作为目标网络层，以及将该翻转后模型中翻转比特位的参数所对应的比特位类型，作为待校验比特位类型。

可选地，所述翻转模块402具体用于，将所述目标模型中包含的所述目标网络层中除所述待校验比特位类型的其他比特位类型的参数的比特位进行翻转，得到下一翻转后模型。

可选地，所述翻转模块402还用于，将所述各目标网络层的网络层标识信息以及所述各待校验比特位类型的类型信息发送给所述终端设备进行保存。

可选地，所述参数的类型为浮点类型，所述待校验比特位类型包括：符号位、指数位和尾数位。

本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的针对机器学习模型的比特翻转控制方法。

本说明书还提供了图5所示的一种对应于图1的电子设备的示意结构图。如图5所示，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的针对机器学习模型的比特翻转控制方法。

当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。