谷歌有限责任公司

本公开的系统和方法可以包括用于高效机器学习模型训练的计算机实现的方法。该方法可以包括获得针对机器学习模型的多个训练样本。该方法可以包括，对于一个或多个第一训练迭代，至少部分地基于被配置为控制一个或多个正则化技术的相对效果的第一正则化幅度，使用多个训练样本中的一个或多个相应的第一训练样本来训练机器学习模型。该方法可以包括，对于一个或多个第二训练迭代，至少部分地基于大于第一正则化幅度的第二正则化幅度，使用多个训练样本中的一个或多个相应的第二训练样本来训练机器学习模型。

公开了用于通过激活和去激活预取模块来自适应地控制预取模块的实现方式。由预取模块基于检测到的访问模式来执行预取操作，以将数据从数据源预取到处理器的缓存。基于与预取操作相关联的性能度量，检测第一条件的发生，并且基于第一条件的该发生来去激活预取模块。在去激活预取模块之后，检测第二条件的发生，并且基于第二条件的该发生来重新激活预取模块。以这种方式对预取模块的自适应激活和去激活可以改进处理器效率，并且在以其他方式确定预取是低效率的、冗余的或非生产性的时帮助节省功率和系统资源。

提供了使用分解来执行两级交通网络设计的计算系统、方法和平台。计算系统包括中央路线评估器以及分别与船舶服务和集装箱相关联的第一预言机和第二预言机。可以并发地查询预言机，一个预言机用于船舶服务以获得第一结果并且一个预言机用于集装箱以获得第二结果，该第一结果和该第二结果可以被添加到中央路线评估器(例如，Benders分割)。可以用候选路线迭代地评估函数以创建用于改进目标函数的解集，并且可以基于解集来生成最优路线。

一种方法(700)包括获得多个训练样本(402)，每个训练样本包括表征对应的语音话语(304、306)的音频数据(404)和对应的语音话语的转录(420)。该方法还包括在多个训练样本上训练自动语音辨识(ASR)模型(200)，该ASR模型具有循环神经网络‑transducer(RNN‑T)架构。该方法还包括将经训练的ASR模型量化为整数目标固定位宽度，以及将经量化的经训练的ASR模型提供给用户装置(10)。