【技术实现步骤摘要】
数据处理方法及其装置、介质和系统
本申请涉及计算机处理领域,特别涉及一种数据处理方法及其装置、可读介质和系统。
技术介绍
卷积神经网络是当前深度学习算法模型中应用较多的一种神经网络模型,池化处理是是卷积神经网络和大多数深度学习/机器学习网络中非常重要的处理。在卷积神经网络中,池化层位于卷积层之后,可以用于降低卷积层输出的特征向量的维度。最常见的池化处理包括平均池化处理和最大池化处理。
技术实现思路
本申请的目的在于提供一种数据处理方法及其装置、介质和系统,可提高基于卷积神经网络的计算中池化处理的效率。第一方面,本申请的一些实施例公开了一种数据处理方法,包括:获取数据阵列;确定第一池化窗口,其中所述第一池化窗口在第一方向上的尺寸等于所述数据阵列在所述第一方向上的尺寸,而所述第一池化窗口在第二方向上的尺寸小于所述数据阵列在所述第二方向上的尺寸;将所述第一池化窗口在所述数据阵列上沿所述第二方向移动,并在所述第一池化窗口的每个移动位置上,对所述数据阵列在所述第一池化窗口内的数据做第一池化处理,以获得第一池化结果阵列,其中所述第一池化结果阵列包括多个所述第一池化处理的结果。在第一方面的一种可能实现中,所述第一池化处理为将所述第一池化窗口内的数据沿所述第二方向做池化处理。在第一方面的一种可能实现中,所述方法还包括:确定第二池化窗口,其中所述第二池化窗口在所述第一方向上的尺寸小于所述第一池化结果阵列在所述第一方向上的尺寸;将所述第二池化窗口相对于所 ...
【技术保护点】
1.一种数据处理方法,其特征在于,包括:/n获取数据阵列;/n确定第一池化窗口,其中所述第一池化窗口在第一方向上的尺寸等于所述数据阵列在所述第一方向上的尺寸,而所述第一池化窗口在第二方向上的尺寸小于所述数据阵列在所述第二方向上的尺寸;/n将所述第一池化窗口在所述数据阵列上沿所述第二方向移动,并在所述第一池化窗口的每个移动位置上,对所述数据阵列在所述第一池化窗口内的数据做第一池化处理,以获得第一池化结果阵列,其中所述第一池化结果阵列包括多个所述第一池化处理的结果。/n
【技术特征摘要】
1.一种数据处理方法,其特征在于,包括:
获取数据阵列;
确定第一池化窗口,其中所述第一池化窗口在第一方向上的尺寸等于所述数据阵列在所述第一方向上的尺寸,而所述第一池化窗口在第二方向上的尺寸小于所述数据阵列在所述第二方向上的尺寸;
将所述第一池化窗口在所述数据阵列上沿所述第二方向移动,并在所述第一池化窗口的每个移动位置上,对所述数据阵列在所述第一池化窗口内的数据做第一池化处理,以获得第一池化结果阵列,其中所述第一池化结果阵列包括多个所述第一池化处理的结果。
2.如权利要求1所述的方法,其特征在于,所述第一池化处理为将所述第一池化窗口内的数据沿所述第二方向做池化处理。
3.如权利要求1或2所述的方法,其特征在于,还包括:
确定第二池化窗口,其中所述第二池化窗口在所述第一方向上的尺寸小于所述第一池化结果阵列在所述第一方向上的尺寸;
将所述第二池化窗口相对于所述第一池化结果阵列移动,并在所述第二池化窗口的每个移动位置上,对所述第一池化结果阵列在所述第二池化窗口内的数据做第二池化处理,以获得第二池化结果阵列,其中,所述第二池化结果阵列包括多个所述第二池化处理的结果,所述移动包括沿所述第一池化结果阵列的所述第一方向的移动。
4.如权利要求3所述的方法,其特征在于,所述第二池化处理为将所述第二池化窗口内的数据沿所述第一方向做池化处理。
5.如权利要求3或4所述的方法,其特征在于,所述第二池化窗口在所述第二方向上的尺寸小于所述第一池化结果矩阵的第二方向上的尺寸,并且
所述移动包括沿所述第一池化结果阵列的所述第二方向的移动。
6.如权利要求1至5中任一项所述的方法,其特征在于,还包括:
在确定所述数据阵列中沿所述第一方向排列的至少一个第一数据组被包括在所述第一池化窗口内的次数超出池化阈值的情况下,对所述至少一个第一数据组做预池化处理,以获得预池化结果,并将所述预池化结果存储到存储器中;并且
所述对所述数据阵列在所述第一池化窗口内的数据做第一池化处理包括:
在确定位于所述第一池化窗口内的数据包括所述至少一个第一数据组的情况下,基于所述预池化结果获得所述第一池化处理的结果。
7.如权利要求6所述的方法,其特征在于,所述基于所述预池化结果获得所述第一池化处理的结果还包括:
对所述数据阵列中沿所述第一方向排列的至少一个第二数据组与所述预池化结果做所述第一池化处理,以获得所述第一池化处理结果,其中所述至少一个第二数据组被包括在所述第一池化窗口内的次数未超出所述池化阈值。
8.一种数据处理...
【专利技术属性】
技术研发人员:孙锦鸿,卢帆,
申请(专利权)人:安谋科技中国有限公司,
类型:发明
国别省市:上海;31
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。