加速卷积神经网络模型前向推理的方法及装置制造方法及图纸

本申请适用于卷积神经网络技术领域，提供了一种加速卷积神经网络模型前向推理的方法、装置、智能终端及计算机可读存储介质，包括：将待处理数据输入至所述卷积神经网络模型中的卷积层；在所述卷积层中对所述待处理数据进行卷积操作，并使用激活函数处理卷积结果，其中，所述卷积结果是指对所述待处理数据进行卷积操作后所得的结果。通过本申请加速卷积神经网络模型的前向推理，提高卷积神经网络模型的运行效率。

【技术实现步骤摘要】
加速卷积神经网络模型前向推理的方法及装置
本申请属于卷积神经网络
，尤其涉及一种加速卷积神经网络模型前向推理的方法、装置、智能终端及计算机可读存储介质。
技术介绍
卷积神经网络是一类包含卷积计算并具有深度结构的前馈神经网络，是深度学习的代表算法之一。由于卷积神经网络能够进行平移不变分类，因此也被称为“平移不变人工神经网络”。卷积神经网络模型中通常包含卷积层、批归一化层、激活层和池化层等，这些层均是串行分开推理，通常会涉及较多的数据处理过程，降低了卷积神经网络模型的前向推理速度。
技术实现思路
有鉴于此，本申请实施例提供了一种加速卷积神经网络模型前向推理的方法、装置、智能终端及计算机可读存储介质，以加速卷积神经网络模型的前向推理，提高卷积神经网络模型的运行效率。本申请实施例的第一方面提供了一种加速卷积神经网络模型前向推理的方法，所述方法包括：将待处理数据输入至所述卷积神经网络模型中的卷积层；在所述卷积层中对所述待处理数据进行卷积操作，并使用激活函数处理卷积结果，其中，所述卷积结果是指对所述待处理数本文档来自技高网...

【技术保护点】
1.一种加速卷积神经网络模型前向推理的方法，其特征在于，所述方法包括：/n将待处理数据输入至所述卷积神经网络模型中的卷积层；/n在所述卷积层中对所述待处理数据进行卷积操作，并使用激活函数处理卷积结果，其中，所述卷积结果是指对所述待处理数据进行卷积操作后所得的结果。/n

【技术特征摘要】
1.一种加速卷积神经网络模型前向推理的方法，其特征在于，所述方法包括：
将待处理数据输入至所述卷积神经网络模型中的卷积层；
在所述卷积层中对所述待处理数据进行卷积操作，并使用激活函数处理卷积结果，其中，所述卷积结果是指对所述待处理数据进行卷积操作后所得的结果。


2.如权利要求1所述的方法，其特征在于，在将待处理数据输入至所述卷积神经网络模型中的卷积层之后，还包括：
检测在所述卷积层中是否进行批归一化操作。


3.如权利要求2所述的方法，其特征在于，所述在所述卷积层中对所述待处理数据进行卷积操作，并使用激活函数处理卷积结果包括：
若在所述卷积层中进行批归一化操作，则在所述卷积层中对所述待处理数据进行卷积操作，对卷积结果进行批归一化操作，并使用激活函数处理批归一化结果，其中，所述批归一化结果是指对所述卷积结果进行批归一化操作后所得的结果。


4.如权利要求3所述的方法，其特征在于，所述对卷积结果进行批归一化操作包括：
使用公式对多个卷积结果中每个卷积结果x进行批归一化操作，其中，n为多个卷积结果的总数，为多个卷积结果的均值。


5.如权利要求1所述的方法，其特征在于，所述卷积层...

【专利技术属性】
技术研发人员：李启明，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东;44