(EN) A system comprising a processing circuitry configured to: obtain one or more MLIPs, each comprised of a sequence of one or more Data Processing Elements (DPEs), and each having (a) at least one input provided to the respective DPE, and (b) at least one output provided by the respective DPE, wherein the output of a given DPE of the DPEs, is the input of a subsequent DPE of the sequence, and wherein at least one of the DPEs is a trained machine learning model; generate, for each of the MLIPs, a respective pipeline representation comprising representations of the sequence, based on the DPEs, the inputs of the DPEs, and the outputs of the DPEs; merge the plurality of MLIP representations into a common representation; optimize the common representation; and generate, based on the common representation, a target model consuming less resources than the MLIPs.
(FR) Système comprenant une circuiterie de traitement configurée : pour obtenir un ou plusieurs MLIP, constitués chacun d'une séquence d'un ou de plusieurs éléments de traitement de données (DPE) et comportant chacun (a) au moins une entrée fournie au DPE respectif et (b) au moins une sortie fournie par le DPE respectif, la sortie d'un DPE donné des DPE étant l'entrée d'un DPE suivant de la séquence, et au moins un des DPE étant un modèle d'apprentissage automatique formé; pour générer, pour chacun des MLIP, une représentation de pipeline respective comprenant des représentations de la séquence, sur la base des DPE, des entrées des DPE et des sorties des DPE; pour fusionner la pluralité de représentations MLIP en une représentation commune; pour optimiser la représentation commune; et pour générer, sur la base de la représentation commune, un modèle cible consommant moins de ressources que les MLIP.
