The embodiment of the invention discloses a convolutional neural network data processing method and device; then the matrix parameters, the embodiment of the invention is to obtain the feature matrix according to the matrix parameters, read the corresponding data image data matrix, to obtain the data matrix according to the matrix parameters to expand data matrix data, get after the start of the data, read the corresponding number of image data matrix unfolding data, and according to the unfolding data update the data matrix, returns the matrix parameters according to the array of steps towards data moment; this scheme can improve the convolutional neural network processing system of data processing ability.
【技术实现步骤摘要】
一种卷积神经网络的数据处理方法和装置
本专利技术涉及神经网络
,具体涉及一种卷积神经网络的数据处理方法和装置。
技术介绍
神经网络及深度学习算法已经获得了非常成功的应用,并处于迅速发展的过程中。业界普遍预期这种新的计算方式有助于实现更为普遍和更为复杂的智能应用。其中,卷积神经网络(ConvolutionalNeuralNetwork,CNN)因为其在图像领域的突出效果,在深度学习中有着重要的位置,是运用最为广泛一种神经网络之一。卷积神经网络的卷积运算主要集中在卷积层,卷积神经网络的卷积运算可以分为数据展开和矩阵乘法两个过程。然而,在卷积神经网络的数据展开过程中有些数据会被重复读取多次,容易造成卷积运算所需的数据带宽的增加或者存储空间的增大,降低了卷积神经网络处理系统的数据处理能力。
技术实现思路
本专利技术实施例提供一种卷积神经网络的数据处理方法和装置,可以提升卷积神经网络处理系统的数据处理能力。本专利技术实施例提供一种卷积神经网络的数据处理方法,包括:获取特征矩阵的矩阵参数;根据所述矩阵参数读取图像数据矩阵中相应的数据,得到待展开数据矩阵;根据所述矩阵参数对待展开数据矩阵进行数据展开,得到展开后的数据;读取图像数据矩阵中相应数量的未展开数据,并根据所述未展开数据更新所述待展开数据矩阵;返回执行根据所述矩阵参数对待展开数据矩阵进行展开的步骤。相应的,本专利技术实施例还提一种卷积神经网络的数据处理装置,包括:获取单元,用于获取特征矩阵的矩阵参数;读取单元,用于根据所述矩阵参数读取图像数据矩阵中相应的数据,得到待展开数据矩阵;数据展开单元,用于根据所述矩阵参 ...
【技术保护点】
一种卷积神经网络的数据处理方法,其特征在于,包括:获取特征矩阵的矩阵参数;根据所述矩阵参数读取图像数据矩阵中相应的数据,得到待展开数据矩阵;根据所述矩阵参数对待展开数据矩阵进行数据展开,得到展开后的数据;读取图像数据矩阵中相应数量的未展开数据,并根据所述未展开数据更新所述待展开数据矩阵;返回执行根据所述矩阵参数对待展开数据矩阵进行展开的步骤。
【技术特征摘要】
1.一种卷积神经网络的数据处理方法,其特征在于,包括:获取特征矩阵的矩阵参数;根据所述矩阵参数读取图像数据矩阵中相应的数据,得到待展开数据矩阵;根据所述矩阵参数对待展开数据矩阵进行数据展开,得到展开后的数据;读取图像数据矩阵中相应数量的未展开数据,并根据所述未展开数据更新所述待展开数据矩阵;返回执行根据所述矩阵参数对待展开数据矩阵进行展开的步骤。2.如权利要求1所述的数据处理方法,其特征在于,在得到所述待展开数据矩阵之后,对待展开数据矩阵进行数据展开之前,所述数据处理方法还包括:将所述待展开数据矩阵保存至预设缓冲空间中;所述根据所述矩阵参数对待展开数据矩阵进行数据展开,包括:根据所述矩阵参数和所述待展开数据矩阵的数据在预设缓冲空间内的存储地址,对所述待展开数据矩阵进行数据展开。3.如权利要求2所述的数据处理方法,其特征在于,根据所述矩阵参数和所述待展开数据矩阵的数据在预设缓冲空间内的存储地址,对所述待展开数据矩阵进行数据展开,包括:根据所述矩阵参数确定滑动窗口;根据预设滑动方向和预设滑动步长在所述待展开数据矩阵上滑动所述滑动窗口;在每次滑动后获取所述滑动窗口内数据在所述预设缓冲空间内的存储地址;根据所述存储地址从所述预设缓冲空间读出相应的数据,以完成数据展开。4.如权利要求2所述的数据处理方法,其特征在于,所述读取图像数据矩阵中相应数量的未展开数据,包括:根据第一预定数据量读取图像数据矩阵中相应数量的未展开数据;将所述未展开数据保存至所述预设缓冲空间内。5.如权利要求4所述的数据处理方法,其特征在于,所述根据第一预定数据量读取图像数据矩阵中相应数量的未展开数据,包括:获取所述预设缓冲空间的剩余可用容量;当所述预设缓冲空间的剩余可用容量大于或等于所述第一预定数据量时,根据第一预定数据量读取图像数据矩阵中相应数量的未展开数据。6.如权利要求4所述的数据处理方法,其特征在于,根据所述未展开数据更新所述待展开数据矩阵,包括:从所述未展开数据中选取相应数量的目标数据;根据所述目标数据更新所述待展开数据矩阵。7.如权利要求5所述的数据处理方法,其特征在于,根据所述矩阵参数和所述待展开数据矩阵的数据在预设缓冲空间内的存储地址,对所述待展开数据矩阵进行数据展开,包括:获取所述预设缓冲空间当前的缓存数据量;当所述缓存数据量大于或等于第二预定数据量时,根据所述矩阵参数和所述待展开数据矩阵的数据在预设缓冲空间内的存储地址,对所述待展开数据矩阵进行数据展开。8.一种卷积神经网络的数据处理装置,其...
【专利技术属性】
技术研发人员:张阳明,高剑林,章恒,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。