An embodiment of the present invention provides a storage method, device, system and medium. The method includes: determining M n-bit binary numbers corresponding to M integer weights in the neural network one-to-one, where the range of values represented by M n-bit binary numbers is 0-centered, symmetrically distributed on the axis of the number at a specific interval, and N is a positive integer; mapping the N first response values of the neural network to the values mentioned above In the range, N second response values corresponding to the N first response values are obtained, N n n-bit binary numbers corresponding to the N second response values are determined, and the range of values represented by the N n-bit binary numbers is 0-centered and symmetrically distributed on the number axis at the specified intervals. Describes M n-bit binary numbers and N n-bit binary numbers. On the premise of guaranteeing the computational performance of the neural network, the above technical scheme can significantly reduce the storage space of the relevant data of the neural network.
【技术实现步骤摘要】
存储方法、装置、系统及介质
本专利技术涉及人工智能
,更具体地涉及一种存储方法、装置、系统及介质。
技术介绍
人工神经网络是一种基于模仿生物神经网络的结构和功能的数学模型,可以对某一类或者一些问题进行函数的模拟和近似。由于大数据的发展,神经网络目前在图像、语音以及自然语言处理等具有海量数据库的方向上有着非常广泛的应用。目前,由于对神经网络的准确度的要求,网络的复杂度在不断地增加并且网络的空间结构也在持续拓展。由此,造成了网络模型的计算数据所需的存储空间不断攀升。这极大地浪费了系统的存储资源。
技术实现思路
考虑到上述问题而提出了本专利技术。本专利技术提供了一种存储方法、装置、系统及介质。根据本专利技术一方面,提供了一种存储方法,包括:确定与神经网络中的M个整数权重分别一一对应的M个n位二进制数,其中所述M个n位二进制数表示的取值范围以0为中心,并以特定间隔在数轴上对称分布,n为正整数;将所述神经网络的N个第一响应值映射到所述取值范围内,以获得与所述N个第一响应值分别一一对应的N个第二响应值;确定与所述N个第二响应值分别一一对应的N个n位二进制数,所述N个n位二进制数表示的取值范围以0为中心,并以所述特定间隔在数轴上对称分布;以及存储所述M个n位二进制数和所述N个n位二进制数。示例性地,所述确定与神经网络中的M个整数权重分别一一对应的M个n位二进制数包括:根据如下公式计算与所述神经网络中的M个整数权重分别一一对应的M个n位二进制数:其中,x表示所述整数权重,K表示所述特定间隔,(anan-1...a1)2表示所述n位二进制数。示例性地,所述将所述神经网络的 ...
【技术保护点】
1.一种存储方法,包括:确定与神经网络中的M个整数权重分别一一对应的M个n位二进制数,其中所述M个n位二进制数表示的取值范围以0为中心,并以特定间隔在数轴上对称分布,n为正整数;将所述神经网络的N个第一响应值映射到所述取值范围内,以获得与所述N个第一响应值分别一一对应的N个第二响应值;确定与所述N个第二响应值分别一一对应的N个n位二进制数,所述N个n位二进制数表示的取值范围以0为中心,并以所述特定间隔在数轴上对称分布;以及存储所述M个n位二进制数和所述N个n位二进制数。
【技术特征摘要】
1.一种存储方法,包括:确定与神经网络中的M个整数权重分别一一对应的M个n位二进制数,其中所述M个n位二进制数表示的取值范围以0为中心,并以特定间隔在数轴上对称分布,n为正整数;将所述神经网络的N个第一响应值映射到所述取值范围内,以获得与所述N个第一响应值分别一一对应的N个第二响应值;确定与所述N个第二响应值分别一一对应的N个n位二进制数,所述N个n位二进制数表示的取值范围以0为中心,并以所述特定间隔在数轴上对称分布;以及存储所述M个n位二进制数和所述N个n位二进制数。2.如权利要求1所述的存储方法,其中,所述确定与神经网络中的M个整数权重分别一一对应的M个n位二进制数包括:根据如下公式计算与所述神经网络中的M个整数权重分别一一对应的M个n位二进制数:其中,x表示所述整数权重,K表示所述特定间隔,(anan-1...a1)2表示所述n位二进制数。3.如权利要求1所述的存储方法,其中,所述将所述神经网络的N个第一响应值映射到所述取值范围内,以获得与所述N个第一响应值分别一一对应的N个第二响应值,包括:根据如下公式将所述神经网络的N个第一响应值映射到所述取值范围内:其中,z表示所述第二响应值,K表示所述特定间隔,y表示所述第一响应值,b和t为预设常数,符号表示向下取整。4.如权利要求1至3任一项所述的存储方法,其中,所述存储方法还包括:将所述神经网络的浮点权重进行定点化,以获得所述整数权重,所述浮点权重是用浮点数表示的。5.如权利要求4所述的存储方法,其中,所述将所述人工神经网络的浮点权重进行定点化,以获得所述整数权重,包括:在所述神经网络的训练过程中,将所...
【专利技术属性】
技术研发人员:周舒畅,郭嘉丞,
申请(专利权)人:北京旷视科技有限公司,
类型:发明
国别省市:北京,11
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。