人工智能计算辅助处理装置、方法、存储介质、及终端制造方法及图纸

本发明专利技术提供一种人工智能计算辅助处理装置，包括：多个存储模块，存储有待处理数据矩阵；内存，设有零矩阵；控制模块，用于将所述待处理数据矩阵从所述存储模块中取出，并置于所述内存零矩阵中，以令所述待处理数据矩阵能够以其任意一个第一矩阵元素为中心构成尺寸为W*W的待卷积矩阵，供卷积核矩阵按照预设步长进行卷积计算；其中，W为所述卷积核矩阵的尺寸。本发明专利技术通过硬件结构搭建补零操作体系，且在内存中预设有零矩阵，供待处理数据矩阵置入即可实现补零操作，无需计算补零的数量或者补零的位置等参数，大大降低了系统的计算量，提升了补零操作的效率，加快了图像处理等操作的响应速度。

【技术实现步骤摘要】
【国外来华专利技术】人工智能计算辅助处理装置、方法、存储介质、及终端
本专利技术涉及人工智能领域，特别是涉及人工智能计算辅助处理方法、装置、可读计算机存储介质、及终端。
技术介绍
现今，随着人工智能产业的发展，各种人工智能领域的技术随之兴起。其中，卷积神经网络已然成为众多人工智能领域的研究热点。早在20世纪60年代，就有科学家在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络。随后，又有更多的科研工作者投入到卷积神经网络的研究中。通常，为使卷积提取特征值后的矩阵大小与卷积之前的原数据矩阵大小一致，需对原数据矩阵进行补零操作。但是，现有技术中的补零操作通常都只能通过软件技术进行补零，CPU的计算量非常大，进而导致补零效率非常低。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种工智能计算辅助处理方法、装置、可读计算机存储介质、及终端，用于解决现有技术中补零操作效率低、计算量大等技术问题。为实现上述目的及其他相关目的，本专利技术提供一种人工智能计算辅助处理装置，包括：多个存储模块，存储有待处理数据矩阵；内存，设有零矩阵；控制模块，用于将所述待处理数据矩阵从所述存储模块中取出，并置于所述内存零矩阵中，以令所述待处理数据矩阵能够以其任意一个第一矩阵元素为中心构成尺寸为W*W的待卷积矩阵，供卷积核矩阵按照预设步长进行卷积计算；其中，W为所述卷积核矩阵的尺寸。于本专利技术的一实施例中，所述待处理数据矩阵包括n*m矩阵，所述零矩阵包括N*M零矩阵；其中，于本专利技术的一实施例中，所述将所述待处理数据矩阵从所述存储模块中取出，并置于所述内的零矩阵中，具体包括：所述控制模块将所述n*m矩阵从所述存储模块中取出并置于所述内存的N*M零矩阵中以形成填充矩阵；其中，所述填充矩阵包括：第1至第行，第至第N行为零；第1至第列，第至第M列为零；其他区域为所述n*m矩阵。于本专利技术的一实施例中，所述将所述待处理数据矩阵从所述存储模块中取出，并置于所述内的零矩阵中，具体方式包括：所述n*m矩阵分为多个尺寸相同的分块矩阵；所述控制模块依次取出各所述分块矩阵，并按照预设放置条件将各所述分块矩阵填入所述N*M零矩阵中。于本专利技术的一实施例中，所述预设放置条件包括：所述控制模块根据所述内存中的预设起始地址以及所述分块矩阵的尺寸，依次将各所述分块矩阵置入所述N*M零矩阵中。于本专利技术的一实施例中，所述存储模块包括双存储模块。于本专利技术的一实施例中，所述人工智能计算辅助处理装置包括：乘法器，用于将每个所述待卷积矩阵分别与卷积核相乘，得到相应的乘法结果矩阵；其中，各所述乘法结果矩阵与各所述第一矩阵元素对位；加法器，用于将每个所述乘法结果矩阵中的第二矩阵元素相加，得到相应的卷积结果值；其中，各所述卷积结果值与各所述第一矩阵元素对位，以组成尺寸为n*m的卷积结果矩阵。为实现上述目的及其他相关目的，本专利技术提供一种人工智能计算辅助处理方法，应用于控制模块，所述方法包括：从存储模块中取出n*m矩阵；将所述n*m矩阵置于内存的N*M零矩阵中，以令所述n*m矩阵能够以其任意一个第一矩阵元素为中心构成尺寸为W*W的待卷积矩阵，供与所述卷积核进行卷积计算；其中，W为卷积核的阶数。于本专利技术的一实施例中，所述控制模块从所述存储模块中将所述n*m矩阵取出，具体包括：所述n*m矩阵分为多个尺寸相同的分块矩阵；所述控制模块依次取出各所述分块矩阵。于本专利技术的一实施例中，所述将所述n*m矩阵置于内存的N*M零矩阵中，具体包括：所述控制模块根据起始地址以及所述分块矩阵的尺寸，依次将各所述分块矩阵填入所述N*M零矩阵中。为实现上述目的及其他相关目的，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述人工智能计算辅助处理方法。为实现上述目的及其他相关目的，本专利技术提供一种人工智能计算辅助处理终端，，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行所述人工智能计算辅助处理方法。如上所述，本专利技术的人工智能计算辅助处理方法、装置、可读计算机存储介质、及终端，具有以下有益效果：本专利技术提供的人工智能计算辅助处理方法及装置，通过硬件结构搭建补零操作体系，且在内存中预设有零矩阵，供待处理数据矩阵置入即可实现补零操作，无需计算补零的数量或者补零的位置等参数，大大降低了系统的计算量，提升了补零操作的效率，加快了图像处理等操作的响应速度。所以，本专利技术有效克服了现有技术中的种种缺点而具高度产业利用价值。附图说明图1显示为本专利技术一实施例中的人工智能计算辅助处理装置的示意图。图2显示为本专利技术一实施例中的人工智智能计算辅助处理过程的示意图。图3显示为本专利技术一实施例中的人工智智能计算辅助处理过程的示意图。图4显示为本专利技术一实施例中的人工智智能计算辅助处理过程的示意图。图5显示为本专利技术一实施例中的人工智智能计算辅助处理过程的示意图。图6显示为本专利技术一实施例中的人工智智能计算辅助处理过程的示意图。图7显示为本专利技术一实施例中的人工智智能计算辅助处理装置的示意图。图8显示为本专利技术一实施例中的人工智智能计算辅助处理方法的示意图。元件标号说明11存储模块12内存13控制模块M1待处理数据矩阵M2卷积核矩阵M3零矩阵M4填充矩阵M401～M425待卷积矩阵M501～M505乘法结果矩阵M6卷积结果矩阵M7待处理数据矩阵M8零矩阵71存储模块72内存R1矩形虚线框R2矩形虚线框R3矩形虚线框S801～S802步骤具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。本专利技术提供一种人工智能计算辅助处理装置，用于对待处理数据矩阵进行补零操作。如图1所示，展示本专利技术一实施例中的人工智能计算辅助处理装置。所述人工智能计算辅助处理装置包括多个存储模块11、内存12、以及控制模块13。其中，所述多个存储模块11存储有n*m矩阵，n和m均为大于等于1的自然数。所述内存12中存储有N*M零矩阵；所述控制模块13用于取出所述n*m矩阵并置于所述N*M零矩阵中。优选的，所述存储模块11为双存储模块；所述双存储模块具体包括两个存储模块，当其中一个存储模块在扫描输出时另一个存储模块在处理数据；到下一个周期时，处理完数据的存储模块开始扫描输出，而原先在扫描输出的存储模块开始处理数据。也即，所述两个存储模块总是处于其中一个在扫描而另一个在处理数据的状态，其效果为最终输出的每一帧数据看似都经历了处理和扫描输出这两个步骤，而其实是通过两个存储器协同合作共同完成的，从而达到了成倍提升数据传输本文档来自技高网...

【技术保护点】
1.一种人工智能计算辅助处理装置，其特征在于，包括：多个存储模块，存储有待处理数据矩阵；内存，设有零矩阵；控制模块，用于将所述待处理数据矩阵从所述存储模块中取出，并置于所述内存零矩阵中，以令所述待处理数据矩阵能够以其任意一个第一矩阵元素为中心构成尺寸为W*W的待卷积矩阵，供卷积核矩阵按照预设步长进行卷积计算；其中，W为所述卷积核矩阵的尺寸。

【技术特征摘要】
【国外来华专利技术】1.一种人工智能计算辅助处理装置，其特征在于，包括：多个存储模块，存储有待处理数据矩阵；内存，设有零矩阵；控制模块，用于将所述待处理数据矩阵从所述存储模块中取出，并置于所述内存零矩阵中，以令所述待处理数据矩阵能够以其任意一个第一矩阵元素为中心构成尺寸为W*W的待卷积矩阵，供卷积核矩阵按照预设步长进行卷积计算；其中，W为所述卷积核矩阵的尺寸。2.根据权利要求1所述的人工智能计算辅助处理装置，其特征在于，包括：所述待处理数据矩阵包括n*m矩阵，所述零矩阵包括N*M零矩阵；其中，3.根据权利要求2所述的人工智能计算辅助处理装置，其特征在于，所述将所述待处理数据矩阵从所述存储模块中取出，并置于所述内的零矩阵中，具体包括：所述控制模块将所述n*m矩阵从所述存储模块中取出并置于所述内存的N*M零矩阵中以形成填充矩阵；其中，所述填充矩阵包括：第1至第行，第至第N行为零；第1至第列，第至第M列为零；其他区域为所述n*m矩阵。4.根据权利要求2所述的人工智能计算辅助处理装置，其特征在于，所述将所述待处理数据矩阵从所述存储模块中取出，并置于所述内的零矩阵中，具体方式包括：所述n*m矩阵分为多个尺寸相同的分块矩阵；所述控制模块依次取出各所述分块矩阵，并按照预设放置条件将各所述分块矩阵填入所述N*M零矩阵中。5.根据权利要求4所述的人工智能计算辅助处理装置，其特征在于，所述预设放置条件包括：所述控制模块根据所述内存中的预设起始地址以及所述分块矩阵的尺寸，依次将各所述分块矩阵置入所述N*M零矩阵中。6.根据权利要求1所述的人工智能计算辅助处理装置，其特征在于，所述存储模块包括双存储模块。7.根据权利要求1所述的人工智能计算辅助处理装置，其特征在于，包括：乘法器，用于将每个所述待卷积矩阵分别与卷积...

【专利技术属性】
技术研发人员：肖梦秋，
申请(专利权)人：深圳鲲云信息科技有限公司，
类型：发明
国别省市：广东,44