一种数据处理方法及装置、计算机可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种数据处理的方法及装置、计算机可读存储介质，该方法包括：获取至少一类权重及各类权重对应的特征数据；根据所述至少一类权重，获取各类权重对应的分类特征；根据所述至少一类权重和所述特征数据进行计算，得到各类权重对应的第一处理结果；根据所述分类特征和所述第一处理结果进行计算，得到第二处理结果。

A data processing method and device, computer readable storage medium

【技术实现步骤摘要】
一种数据处理方法及装置、计算机可读存储介质
本专利技术涉及人工智能神经网络
，尤其涉及一种数据处理方法及装置、计算机可读存储介质。
技术介绍
深度神经网络(DeepNeuralNetwork，DNN)是一种人工神经网络，深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性，其在语音分析和图像识别领域有着广泛的应用。随着深度学习技术的不断发展，深度神经网络运算量也越来越大，因此，目前有效减少深度神经网络的运算量成为了亟待解决的问题。
技术实现思路
为解决上述技术问题，本专利技术实施例期望提供一种数据处理方法及装置、计算机可读存储介质，能够减少神经网络的运算量。本专利技术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一种数据处理方法，所述方法包括：获取至少一类权重及各类权重对应的特征数据；根据所述至少一类权重，获取各类权重对应的分类特征；根据所述至少一类权重和所述特征数据进行计算，得到各类权重对应的第一处理结果；根据所述分类特征和所述第一处理结果进行计算，得到第二处理结果。在上述方案中，所述在所述获取至少一类权重之前，还包括：获取历史权重；按照设定筛选条件对所述历史权重进行筛选，得到筛选后的权重；按照设定分类规则对所述筛选后的权重进行分类，得到所述至少一类权重。在上述方案中，所述根据所述至少一类权重和所述特征数据进行计算，得到各类权重对应的第一处理结果，包括：根据所述至少一类权重和所述分类特征，获取所述特征数据对应的分类数据；根据所述分类数据对所述特征数据进行计算，得到各类权重对应的第一处理结果。在上述方案中，所述根据所述分类特征和所述第一处理结果进行计算，得到第二处理结果，包括：按照设定排列规则对每类权重对应的第一处理结果排列顺序，得到排列顺序后的第一处理结果；从所述排列后的第一处理结果中按照排列顺序依次选取一个待处理的第一处理结果；根据所述分类特征和所述待处理的第一处理结果进行计算，得到第一计算结果；将当前得到的第一计算结果与已得到的第一技术结果进行计算，得到第二计算结果；当确定所述第二计算结果是负数时，将所述第二计算结果作为第二处理结果。在上述方案中，所述在所述根据所述分类特征和所述第一处理结果进行计算，得到第二处理结果之后，还包括：获取所述特征数据的第一维度及对应的网络维度；获取所述第二处理结果的第二维度；当确定所述第二维度小于所述第一维度时，根据所述网络维度和预定阈值范围，调整所述第二处理结果对应的当前网络维度；获取第二处理结果对应的权重；基于所述当前网络维度和所述第二处理结果对应的权重，对所述第二处理结果进行计算得到第三处理结果。在上述方案中，所述当确定所述第二维度小于所述第一维度时，根据所述网络维度和预定阈值范围，调整所述第二处理结果对应的当前网络维度，包括：当确定所述第二维度小于所述第一维度时，将所述网络维度与待调整网络维度进行取模运算，得到取模结果；根据所述取模结果和所述待调整网络维度进行比值，得到比值结果；当所述比值结果在预定阈值范围内时，确定所述待调整维度为所述第二处理结果对应的当前网络维度。在上述方案中，所述根据所述分类数据对所述特征数据进行计算，得到各类权重对应的第一处理结果，包括：根据所述分类数据对所述特征数据进行左移位计算，得到各类权重对应的第一处理结果；对应地，所述根据所述分类特征和所述第一处理结果进行计算，得到第二处理结果，包括：根据所述分类特征和所述第一处理结果进行乘加计算，得到第二处理结果。第二方面，本专利技术实施例提供一种数据处理装置，所述装置包括：第一获取模块，配置为获取至少一类权重及各类权重对应的特征数据；第二获取模块，配置为根据所述至少一类权重，获取各类权重对应的分类特征；第一得到模块，配置为根据所述至少一类权重和所述特征数据进行计算，得到各类权重对应的第一处理结果；第二得到模块，配置为根据所述分类特征和所述第一处理结果进行计算，得到第二处理结果。第三方面，本专利技术实施例提供一种数据处理装置，其中，所述数据处理装置包括处理器、存储有所述处理器可执行指令的存储器，和用于连接所述处理器、所述存储器的总线，当所述指令被执行时，所述处理器执行时实现上述数据处理的方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有数据处理程序，所述数据处理程序被处理器执行时实现上述数据处理的方法。本专利技术实施例提供了一种神经网络的运算方法及装置、计算机可读存储介质，方法包括：获取至少一类权重及各类权重对应的特征数据；根据至少一类权重，获取各类权重对应的分类特征；根据至少一类权重和特征数据进行计算，得到各类权重对应的第一处理结果；根据分类特征和第一处理结果进行计算，得到第二处理结果，如此，先对权重进行分类得到分类特征，再根据分类特征对特征数据进行计算，能够对庞大的权重进行分析并整理归类成较少的情况，进而有效减少计算量。附图说明图1为本专利技术实施例提供的一种数据处理方法的实现流程示意图一；图2为本专利技术实施例提供的一种数据处理方法的实现流程示意图二；图3为本专利技术实施例提供的一种数据处理方法的实现流程示意图三；图4为本专利技术实施例提供的一种数据处理方法的实现流程示意图四；图5为本专利技术实施例提供的一种数据处理方法的实现流程示意图五；图6为本专利技术实施例提供的一种数据处理方法的实现流程示意图六；图7为本专利技术实施例提供的神经网络硬件架构组成结构示意图；图8为本专利技术实施例提供的计算单元结构示意图；图9为本专利技术实施例提供的计算单元中分类运算单元的结构示意图；图10为本专利技术实施例提供的计算单元中一个CP运算单元对应一个乘加运算单元的结构示意图；图11为本专利技术实施例提供的计算单元中一个CP运算单元对应多个乘加运算单元的结构示意图；图12为本专利技术实施例提供一种数据处理方法的实现流程示意图七；图13为本专利技术实施例中计算单元维度匹配组成示意图；图14为本专利技术实施例提供的计算单元中运算结构示意图；图15为本专利技术实施例提供的一种数据处理装置示意图；图16为本专利技术实施例提供的一种数据处理装置的组成结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。实施例一本专利技术实施例提供了一种数据处理方法，图1为本专利技术实施例提供的一种数据处理方法的实现流程示意图一，如图1所示，在本专利技术实施例中，实现数据处理方法可以包括以下步骤：步骤101、获取至少一类权重及各类权重对应的特征数据。本专利技术实施例中，在对特征数据和权本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，所述方法包括：/n获取至少一类权重及各类权重对应的特征数据；/n根据所述至少一类权重，获取各类权重对应的分类特征；/n根据所述至少一类权重和所述特征数据进行计算，得到各类权重对应的第一处理结果；/n根据所述分类特征和所述第一处理结果进行计算，得到第二处理结果。/n

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：
获取至少一类权重及各类权重对应的特征数据；
根据所述至少一类权重，获取各类权重对应的分类特征；
根据所述至少一类权重和所述特征数据进行计算，得到各类权重对应的第一处理结果；
根据所述分类特征和所述第一处理结果进行计算，得到第二处理结果。


2.根据权利要求1所述的方法，其特征在于，所述在所述获取至少一类权重之前，还包括：
获取历史权重；
按照设定筛选条件对所述历史权重进行筛选，得到筛选后的权重；
按照设定分类规则对所述筛选后的权重进行分类，得到所述至少一类权重。


3.根据权利要求1所述的方法，其特征在于，所述根据所述至少一类权重和所述特征数据进行计算，得到各类权重对应的第一处理结果，包括：
根据所述至少一类权重和所述分类特征，获取所述特征数据对应的分类数据；
根据所述分类数据对所述特征数据进行计算，得到各类权重对应的第一处理结果。


4.根据权利要求2所述方法，其特征在于，所述根据所述分类特征和所述第一处理结果进行计算，得到第二处理结果，包括：
按照设定排列规则对每类权重对应的第一处理结果排列顺序，得到排列顺序后的第一处理结果；
从所述排列后的第一处理结果中按照排列顺序依次选取一个待处理的第一处理结果；
根据所述分类特征和所述待处理的第一处理结果进行计算，得到第一计算结果；
将当前得到的第一计算结果与已得到的第一计算结果进行计算，得到第二计算结果；
当确定所述第二计算结果是负数时，将所述第二计算结果作为第二处理结果。


5.根据权利要求1所述的方法，其特征在于，所述在所述根据所述分类特征和所述第一处理结果进行计算，得到第二处理结果之后，还包括：
获取所述特征数据的第一维度及对应的网络维度；
获取所述第二处理结果的第二维度；
当确定所述第二维度小于所述第一维度时，根据所述网络维度和预定阈值范围，调整所述第二处理结果对应的当前网络...

【专利技术属性】
技术研发人员：余金清，梁敏超，闫盛男，刘杰，
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