In this application, a data processing method, a data processing device and an electronic device are proposed. The data processing method includes: acquiring the matrix operation data set; sending the matrix operation data set to the total memory of the embedded neural network processor; transforming the matrix operation data set and obtaining the corresponding matrix operation data set after transformation; and transforming the transformed phase. The corresponding matrix operation data set is sent from the total memory in the embedded neural network processor to the local memory in the at least one neural network processing unit; the corresponding matrix operation data set transformed from the local memory in the at least one neural network processing unit is invoked for operation; and the operation results are output.
【技术实现步骤摘要】
数据处理方法、数据处理装置以及电子设备
本申请涉及数据处理领域,具体而言,涉及一种数据处理方法、数据处理装置以及电子设备。
技术介绍
在现有的对嵌入式神经网络处理器中的矩阵数据进行存储和搬运的过程中,将嵌入式神经网络处理器的总存储器中的数据分配至每个嵌入式神经网络处理单元的本地存储器后,所有矩阵数据集在各个本地存储器中的存储方式都为对齐式存储方式,这样的存储方式极大的浪费了存储空间。
技术实现思路
本申请实施例提出一种数据处理方法、数据处理装置以及电子设备,用以解决现有技术中嵌入式神经网络处理器对于数据存储空间浪费的问题。根据本申请的一方面,提出一种数据处理方法、数据处理装置以及电子设备。其中,该数据处理方法应用于嵌入式神经网络处理器,该嵌入式神经网络处理器包含至少一个神经网络处理单元,其特征在于,该数据处理方法包括:获取矩阵运算数据集;将该矩阵运算数据集发送至该嵌入式神经网络处理器的总存储器;对该矩阵运算数据集进行变换并得到变换后的相应的矩阵运算数据集;将该变换后的相应的矩阵运算数据集从该嵌入式神经网络处理器中的该总存储器发送至所该至少一个神经网络处理单元中的本地存储器;调用该至少一个神经网络处理单元中的该本地存储器中的该变换后的相应的矩阵运算数据集进行运算;以及输出运算结果。在一些实施例中,该矩阵运算数据集包括第一矩阵运算数据子集与第二矩阵运算数据子集,其中,对该矩阵运算数据集进行变换并得到变换后的相应的矩阵运算数据,包括:对该第一矩阵运算数据子集与该第二矩阵运算数据子集分别进行维度变换,得到第一高维矩阵运算数据子集与第二高维矩阵运算数据子集。在一些实施例 ...
【技术保护点】
1.一种数据处理方法,所述数据处理方法应用于嵌入式神经网络处理器,所述嵌入式神经网络处理器包含至少一个神经网络处理单元,其特征在于,所述数据处理方法包括:获取矩阵运算数据集;将所述矩阵运算数据集发送至所述嵌入式神经网络处理器的总存储器;对所述矩阵运算数据集进行变换并得到变换后的相应的矩阵运算数据集;将所述变换后的相应的矩阵运算数据集从所述嵌入式神经网络处理器中的所述总存储器发送至所述至少一个神经网络处理单元中的本地存储器;调用所述至少一个神经网络处理单元中的所述本地存储器中的所述变换后的相应的矩阵运算数据集进行运算;以及输出运算结果。
【技术特征摘要】
1.一种数据处理方法,所述数据处理方法应用于嵌入式神经网络处理器,所述嵌入式神经网络处理器包含至少一个神经网络处理单元,其特征在于,所述数据处理方法包括:获取矩阵运算数据集;将所述矩阵运算数据集发送至所述嵌入式神经网络处理器的总存储器;对所述矩阵运算数据集进行变换并得到变换后的相应的矩阵运算数据集;将所述变换后的相应的矩阵运算数据集从所述嵌入式神经网络处理器中的所述总存储器发送至所述至少一个神经网络处理单元中的本地存储器;调用所述至少一个神经网络处理单元中的所述本地存储器中的所述变换后的相应的矩阵运算数据集进行运算;以及输出运算结果。2.根据权利要求1所述的数据处理方法,其特征在于,所述矩阵运算数据集包括第一矩阵运算数据子集与第二矩阵运算数据子集,其中,对所述矩阵运算数据集进行变换并得到变换后的相应的矩阵运算数据,包括:对所述第一矩阵运算数据子集与所述第二矩阵运算数据子集分别进行维度变换,得到第一高维矩阵运算数据子集与第二高维矩阵运算数据子集。3.根据权利要求2所述的数据处理方法,其特征在于,所述第一高维矩阵运算数据子集与所述第二高维矩阵运算数据子集的维度分别高于所述第一矩阵运算数据子集与所述第二矩阵运算数据子集。4.根据权利要求2所述的数据处理方法,其特征在于,所述第一高维矩阵运算数据子集以第一存储方式在所述至少一个神经网络处理单元中的本地存储器中存储,所述第二高维矩阵运算数据子集以第二存储方式在所述至少一个神经网络处理单元中的本地存储器中存储。5.根据权利要求4所述的数据处理方法,其特征在于,所述第一存储方式为对齐式存储方式,所述第二存储方式为密集式存储方式。6.一种数据处理装置,所述数据处理装置包含嵌入式神经网络处理器,所述嵌入式神经网络处理器包含至少一个神经网络处理单元,其特征在于,所述数据处理装置包括:数据获取单元,用于获取矩阵运算数据集;第一数据发送单元,用于将所述矩阵运算数据集发送至所述嵌入式...
【专利技术属性】
技术研发人员:罗小贤,刘洪,王俊,
申请(专利权)人:算丰科技北京有限公司,
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。