【技术实现步骤摘要】
一种批处理方法、装置、设备及存储介质
本申请涉及深度学习领域,特别是涉及一种批处理方法、装置、设备及存储介质。
技术介绍
卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(FeedforwardNeuralNetworks),是深度学习(deeplearning)的代表算法之一。在当前基于卷积神经网络的批处理过程中,需要用户软件向运算设备提供待处理的批数据以及对批数据进行处理的指令,进而运算设备根据该指令对待处理的批数据执行相应的批处理操作,以此实现对批数据的特征提取。由于在当前的批处理场景中用户软件向运算设备发起的批数据中包含多条数据,并且运算设备的批处理操作时需要基于每一条数据相应的指令执行,但是当前用户软件发起的指令流是预先产生并且其包含的指令数量是固定的,而当前用户软件发起的批数据中的数据条数往往是根据实际情况灵活多变的,因此可能导致运算设备执行未与批数据中的数据对应的多余指令,进而难以确保批处理操作的可靠性。由此可见,提供一 ...
【技术保护点】
1.一种批处理方法,其特征在于,包括:/n获取批数据以及指令流,所述指令流的指令中包含执行标志位;/n在所述指令流的指令中选取所述执行标志位对应的状态信息满足可执行标准的目标指令;/n根据所述目标指令对所述批数据执行批处理操作。/n
【技术特征摘要】
1.一种批处理方法,其特征在于,包括:
获取批数据以及指令流,所述指令流的指令中包含执行标志位;
在所述指令流的指令中选取所述执行标志位对应的状态信息满足可执行标准的目标指令;
根据所述目标指令对所述批数据执行批处理操作。
2.根据权利要求1所述的批处理方法,其特征在于,所述在所述指令流的指令中选取所述执行标志位对应的状态信息满足可执行标准的目标指令,包括:
在所述指令的执行标志位中获取寄存器信息,并根据所述寄存器信息读取相应寄存器中的状态信息;
判断所述状态信息是否满足所述可执行标准;
如果所述状态信息满足所述可执行标准,则将所述指令设置为所述目标指令。
3.根据权利要求2所述的批处理方法,其特征在于,所述在所述指令的执行标志位中获取寄存器信息,并根据所述寄存器信息读取相应寄存器中的状态信息,包括:
在所述指令的执行标志位中获取寄存器序号信息,并根据所述寄存器序号信息对应的寄存器地址读取相应所述寄存器中的状态数值;
所述判断所述状态信息是否满足所述可执行标准,包括:
判断所述状态数值是否等于标准数值;
如果所述状态数值等于所述标准数值,则所述状态信息满足所述可执行标准。
4.根据权利要求3所述的批处理方法,其特征在于,在所述根据所述寄存器序号信息对应的寄存器地址读取相应所述寄存器中的状态数值之前,所述方法还包括:
判断所述寄存器序号信息是否为特殊寄存器的寄存器序号;
如果所述寄存器序号信息为所述特殊寄存器的寄存器序号,则执行所述将所述指令设置为所述目标指令的步骤;
如果所述寄存器序号信息非所述特殊寄存器的寄存器序号,则执行所述根据所述寄存器序号信息对应的寄存器地址读取相应所述寄存器中的状态数值的步骤。
5.根据权利要求3所述的批处理方法,其特征在于,所述标准数值包括1或0。
6.根据权利要求2所述的批处理方法,其特征在于,所述获取批数据以及指令流,包括:
获取所述批数据以及基础指令流,所述基础指令流中包含所述执行标志位的内容为空的基础指令;
统计所述批数据...
【专利技术属性】
技术研发人员:范宝余,杨宏斌,董刚,
申请(专利权)人:浪潮北京电子信息产业有限公司,
类型:发明
国别省市:北京;11
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。