二维卷积运算处理方法、系统、设备及计算机存储介质技术方案

本申请公开了一种二维卷积运算处理方法、系统、设备及计算机介质，在预设存储器中读取待计算数据和卷积核运算参数；调用第一矩阵转换处理器将待计算数据转换为矩阵形式的目标待计算数据，同时调用第二矩阵转换处理器将卷积核运算参数转换为矩阵形式的目标卷积核运算参数；在预设的卷积层组中确定出目标卷积层，将目标待计算数据和目标卷积核运算参数传输至目标卷积层，以使目标卷积层对目标待计算数据和目标卷积核运算参数进行二维卷积运算，卷积层组中相同卷积层的数量大于等于2。本申请提供的一种二维卷积运算处理方法，可以提高二维卷积运算的效率。本申请提供的一种二维卷积运算处理系统、设备及计算机可读存储介质也解决了相应技术问题。

2-D Convolution Processing Method, System, Equipment and Computer Storage Media

This application discloses a two-dimensional convolution processing method, system, device and computer medium, which reads the data to be calculated and the parameters of convolution core operation in preset memory; calls the first matrix conversion processor to convert the data to be calculated into the target data to be calculated in matrix form, and calls the second matrix conversion processor to convert the parameters of convolution core operation into matrix form. Target convolution kernel operation parameters; target convolution layer is determined in the preset convolution layer group, and target convolution core operation parameters are transmitted to target convolution layer, so that target convolution layer can perform two-dimensional convolution operation on target convolution data and target convolution core operation parameters. The number of identical convolution layers in convolution layer group is more than or equal to 2. A two-dimensional convolution operation processing method provided in this application can improve the efficiency of two-dimensional convolution operation. A two-dimensional convolution processing system, equipment and computer readable storage medium provided in this application also solve the corresponding technical problems.

【技术实现步骤摘要】
二维卷积运算处理方法、系统、设备及计算机存储介质
本申请涉及深度学习
，更具体地说，涉及二维卷积运算处理方法、系统、设备及计算机存储介质。
技术介绍
在深度学习技术中，主要以CNN(ConvolutionalNeuralNetworks，卷积神经网络)为研究对象，但是由于处理场景的不同，对CNN的性能要求也不相同，这就需要根据处理场景实时调整CNN，而CNN中的结构主要是卷积层，那么卷积层进行二维卷积计算的效率便会影响CNN的性能高低。综上所述，如何提高二维卷积计算的效率是目前本领域技术人员亟待解决的问题。
技术实现思路
本申请的目的是提供一种二维卷积运算处理方法、系统、设备及计算机存储介质，其能在一定程度上解决如何提高二维卷积计算的效率的技术问题。本申请还提供了一种二维卷积运算处理系统、设备及计算机可读存储介质。为了实现上述目的，本申请提供如下技术方案：一种二维卷积运算处理方法，包括：在预设存储器中读取待计算数据和卷积核运算参数；调用第一矩阵转换处理器将所述待计算数据转换为矩阵形式的目标待计算数据，同时调用第二矩阵转换处理器将所述卷积核运算参数转换为矩阵形式的目标卷积核运算参数；本文档来自技高网...

【技术保护点】
1.一种二维卷积运算处理方法，其特征在于，包括：在预设存储器中读取待计算数据和卷积核运算参数；调用第一矩阵转换处理器将所述待计算数据转换为矩阵形式的目标待计算数据，同时调用第二矩阵转换处理器将所述卷积核运算参数转换为矩阵形式的目标卷积核运算参数；在预设的卷积层组中确定出目标卷积层，将所述目标待计算数据和所述目标卷积核运算参数传输至所述目标卷积层，以使所述目标卷积层对所述目标待计算数据和所述目标卷积核运算参数进行二维卷积运算，所述卷积层组中相同卷积层的数量大于等于2。

【技术特征摘要】
1.一种二维卷积运算处理方法，其特征在于，包括：在预设存储器中读取待计算数据和卷积核运算参数；调用第一矩阵转换处理器将所述待计算数据转换为矩阵形式的目标待计算数据，同时调用第二矩阵转换处理器将所述卷积核运算参数转换为矩阵形式的目标卷积核运算参数；在预设的卷积层组中确定出目标卷积层，将所述目标待计算数据和所述目标卷积核运算参数传输至所述目标卷积层，以使所述目标卷积层对所述目标待计算数据和所述目标卷积核运算参数进行二维卷积运算，所述卷积层组中相同卷积层的数量大于等于2。2.根据权利要求1所述的方法，其特征在于，所述在预设存储器中读取待计算数据和卷积核运算参数之前，还包括：获取设定的所述卷积层组对应的数据格式配置参数，以基于所述数据格式配置参数调整与所述卷积层组对应的数据的格式；其中，所述数据格式配置参数中的数据类型包括数据输入数据格式、输出数据格式、计算数据格式；所述数据格式配置参数中的格式类型包括INT8、INT16、INT32、fp32、fp16。3.根据权利要求1所述的方法，其特征在于，所述在预设存储器中读取待计算数据和卷积核运算参数之前，还包括：获取设定的卷积核配置参数；基于所述卷积核配置参数调整所述卷积层组中卷积核的参数；其中，所述卷积核配置参数的参数类型包括卷积核尺寸、卷积核滑动步长、卷积核空洞尺寸。4.根据权利要求1所述的方法，其特征在于，所述第一矩阵转换处理器将所述待计算数据转换为矩阵形式的目标待计算数据，包括：将所述待计算数据切分为待计算数据块；对于每一个所述待计算数据块，将所述待计算数据块转换为第一矩阵数据块；对于每一个所述第一矩阵数据块，按照第二矩阵数据块的格式，对所述第一矩阵数据块进行遍历，得到所述第二矩阵数据块；对所有的所述第二矩阵数据块进行转换，得到所述目标待计算数据。5.根据权利要求1所述的方法，其特征在于，所述第二矩阵转换处理器将所述卷积核运算...

【专利技术属性】
技术研发人员：董刚，赵雅倩，方兴，杨宏斌，
申请(专利权)人：广东浪潮大数据研究有限公司，
类型：发明
国别省市：广东,44