一种数据处理方法、装置及存储介质制造方法及图纸

本申请实施例公开了一种数据处理方法、装置及存储介质。该数据处理方法包括：提取待处理数据的特征信息，并构建特征信息的特征矩阵；获取特征矩阵的维度参数序列，并根据维度参数序列确定对应的坐标参数；对特征矩阵进行降维处理，得到降维后的目标矩阵；从目标矩阵中确定与坐标参数对应的目标元素，并基于目标元素确定待处理矩阵；对待处理矩阵进行处理，得到待处理数据的处理结果。本申请实施例通过对待处理数据的特征矩阵降维，从降维后的目标矩阵中提取目标元素从而生成待处理矩阵，由于目标矩阵相对于特征矩阵的维度降低，相应的，从目标矩阵中提取目标元素时的计算量的维度也降低，减少了计算量，从而可以提高终端的数据处理速度。

【技术实现步骤摘要】
一种数据处理方法、装置及存储介质
本申请涉及计算机
，具体涉及一种数据处理方法、装置及存储介质。
技术介绍
AI(ArtificialIntelligence，人工智能)模型中，通过TensorFlow(是一个采用数据流图，用于数值计算的开源软件库。)中的DiagPart函数来实现从一个二维矩阵取出其对角线作为一个新的数组输出。进一步地，DiagPart通过XLA(一种能够优化TensorFlow计算的编译器)实现。在XLA中所有的操作均有HLO指令(HLO指令是XLA定义的一种特定的中间表达，而不是实际的硬件指令)的组合来表达。所以XLA实现DiagPart也需要将其转化为相应的HLO指令的组合。但是，由于引入HLOReduce指令，在实际计算运行时会非常耗时，从而导致处理器在处理数据时的速度较慢。
技术实现思路
本申请实施例提供一种数据处理方法、装置及存储介质，可以有效提高终端的数据处理速度。本申请实施例提供了一种数据处理方法，包括：提取待处理数据的特征信息，并构建所述特征信息的特征矩阵；<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，包括：/n提取待处理数据的特征信息，并构建所述特征信息的特征矩阵；/n获取所述特征矩阵的维度参数序列，并根据所述维度参数序列确定对应的坐标参数；/n对所述特征矩阵进行降维处理，得到降维后的目标矩阵；/n从所述目标矩阵中确定与所述坐标参数对应的目标元素，并基于所述目标元素确定待处理矩阵；/n对所述待处理矩阵进行处理，得到所述待处理数据的处理结果。/n

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：
提取待处理数据的特征信息，并构建所述特征信息的特征矩阵；
获取所述特征矩阵的维度参数序列，并根据所述维度参数序列确定对应的坐标参数；
对所述特征矩阵进行降维处理，得到降维后的目标矩阵；
从所述目标矩阵中确定与所述坐标参数对应的目标元素，并基于所述目标元素确定待处理矩阵；
对所述待处理矩阵进行处理，得到所述待处理数据的处理结果。


2.根据权利要求1所述的方法，其特征在于，所述根据所述维度参数序列确定对应的坐标参数，包括：
确定所述维度参数序列中的参数数量N，其中N为为偶数；
获取所述维度参数序列中的前N/2个维度参数的参数值；
根据前N/2个维度参数的参数值，确定需生成的坐标参数的个数；
按照预设规则生成所述个数数量的坐标参数，其中，所述坐标参数为二维坐标对，所述二维坐标对中不同坐标维度的坐标值相等。


3.根据权利要求2所述的方法，其特征在于，所述按照预设规则生成所述个数数量的坐标参数，包括：
根据所述个数从样本数值序列中获取对应的子样本数值序列，其中，所述样本数值序列中包括多个样本数值；
根据子样本数值序列中的样本数值，依次对多个样本二维坐标对中指定坐标维度的坐标值进行赋值，并将赋值后的多个样本二维坐标对作为所述坐标参数。


4.根据权利要求1所述的方法，其特征在于，在从所述目标矩阵中确定与所述坐标参数对应的目标元素之前，还包括：
获取预设的坐标偏移参数，所述坐标偏移参数为所述坐标参数需要调整的变化量；
所述从所述目标矩阵中确定与所述坐标参数对应的目标元素，包括：
基于所述坐标偏移参数对所述坐标参数进行处理，得到处理后的坐标参数；
从所述目标矩阵中确定与所述处理后的坐标参数对应的元素，作为目标元素。


5.根据权利要求4所述的方法，其特征在于，所述坐标偏移参数包括偏移值，所述坐标参数包括每一坐标维度的坐标值；
所述基于所述坐标偏移参数对所述坐标参数进行处理，包括：
根据所述偏移值对所述坐标参数中每一坐标维度的坐标值进行处理。


6.根据权利要求1所述的方法，其特征在于，所述从所述目标矩阵中确定与所述坐标参数对应的目标元素，包括...

【专利技术属性】
技术研发人员：姜曦楠，黄雪，宋书涛，周飞虎，郭振宇，周賢豪，欧阳显斌，戎海栋，朱子霖，兰瑞，刘虎成，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44