【技术实现步骤摘要】
一种卷积神经网络的卷积处理方法、装置及存储介质
本专利技术实施例涉及神经网络深度学习技术，尤其涉及但不限于一种卷积神经网络的卷积处理方法、装置及存储介质。
技术介绍
目前，人工智能技术在在全世界范围内得到了迅猛的发展，业界投入了大量的精力开展人工智能技术的研究工作，取得了显著的成果，特别是在图像检测和识别以及语言识别等方向上，人工智能的识别率已经超过了人类。而与此同时，神经网络的规模不断增长，典型的神经网络动辄几十层甚至上百层，神经元之间的连接数以亿计，即随着算法的性能指标不断提升，计算量也不断的增加，完成推理需要的时间也需来越长。但实际应用中，在如此高的运算量中，并不是所有的计算都是有效计算，对于算法经过定点化或是稀疏化，即通过训练对算法进行压缩、减枝或是聚类等，出现的权重为零的点，实际运行中是不需要计算的。
技术实现思路
本专利技术实施例提供一种卷积神经网络的卷积处理方法、装置及存储介质。本专利技术实施例的技术方案是这样实现的：第一方面，本专利技术实施例提供了一种卷积神...
【技术保护点】
1.一种卷积神经网络的卷积处理方法，其特征在于，所述方法包括：/n对所述卷积神经网络中子卷积核中的权重值进行分类；/n根据每一所述权重值的分类结果，为对应的权重值生成用于存储对数据进行相应操作的指示符和用于表征权重值的地址；/n根据所述权重值的地址获取对应的待处理数据；/n根据所述指示符对所述待处理数据进行卷积操作，得到卷积结果。/n
【技术特征摘要】
1.一种卷积神经网络的卷积处理方法，其特征在于，所述方法包括：
对所述卷积神经网络中子卷积核中的权重值进行分类；
根据每一所述权重值的分类结果，为对应的权重值生成用于存储对数据进行相应操作的指示符和用于表征权重值的地址；
根据所述权重值的地址获取对应的待处理数据；
根据所述指示符对所述待处理数据进行卷积操作，得到卷积结果。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述卷积神经网络中的原始卷积核进行切割，得到至少两个子卷积核；
对每一所述子卷积核中的原始权重值进行定点化处理，得到所述子卷积核中的权重值。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述权重值的地址获取对应的待处理数据，包括：
从输入的原始待处理数据集合中确定与所述子卷积核的列宽、行宽和信道数均相同的待处理数据集合；
建立所述待处理数据集合中每一待处理数据的地址与所述子卷积核中相应的权重值的地址之间的对应关系；
根据所述对应关系获取所述待处理数据集合中相应地址的待处理数据。
4.根据权利要求3所述的方法，其特征在于，所述根据所述指示符对所述待处理数据进行卷积操作，得到卷积结果，包括：
根据所述指示符获取每一类权重值中所有权重值对应的所有待处理数据的累加和；
将所述累加和与对应的权重值相乘，得到部分和；
将所有类别的权重值对应的所有的部分和相加，得到卷积结果。
5.根据权利要求4所述的方法，其特征在于，所述根据所述指示符获取每一类权重值中所有权重值对应的所有待处理数据的累加和，包括：
根据所述指示符对每一类权重值中所有权重值对应的所有待处理数据进...
【专利技术属性】
技术研发人员：闫盛男，王帆，余金清，朱剑平，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：广东;44
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。