【技术实现步骤摘要】
计算神经网络的方法、装置、板卡及计算机可读存储介质
本专利技术一般地涉及神经网络领域。更具体地，本专利技术涉及计算神经网络的方法、装置、板卡及计算机可读存储介质。
技术介绍
近年来，神经网络算法取得重大的突破，引领人工智能的发展热潮。由于人工神经网络算法需要大量样本数据进行训练，才能建立输入数据和输出数据之间的映射关系。传统处理器架构，例如x86或ARM，算力不足，无法支撑神经网络大规模并行计算需求。ASIC是一种为专门目的而设计的集成电路，虽然缺乏弹性，但具备处理速度快的优势，广受人工智能开发商的青睐。即便如此，在进行神经网络计算时，仍需要将各种参数、指令、输出入等数据在主机内存和设备内存间反复读取存储，耗费了大量的资源。因此如何在神经网络中简化数据搬运的流程，便成为本领域急需解决的问题。
技术实现思路
为了至少部分地解决
技术介绍
中提到的技术问题，本专利技术的方案提供了计算神经网络的方法、装置、板卡及计算机可读存储介质。在一个方面中，本专利技术揭露一种基于神经网络执行批量计算的方...
【技术保护点】
1.一种基于神经网络执行批量计算的方法，包括：/n定义所述神经网络的数据节点与操作节点的连接关系，所述数据节点绑定常量数据；/n根据所述连接关系，编译所述神经网络获得硬件指令；/n根据所述常量数据，批量计算人工神经网络。/n
【技术特征摘要】
1.一种基于神经网络执行批量计算的方法，包括：
定义所述神经网络的数据节点与操作节点的连接关系，所述数据节点绑定常量数据；
根据所述连接关系，编译所述神经网络获得硬件指令；
根据所述常量数据，批量计算人工神经网络。
2.根据权利要求1所述的方法，还包括：
封装所述常量数据和记录各数据块空间大小的标签，以形成数据包。
3.根据权利要求2所述的方法，还包括：
申请设备内存的内存空间；以及
存储所述数据包至所述内存空间。
4.根据权利要求3所述的方法，还包括：
提取所述数据包，获取所述常量数据和所述标签；
其中，所述批量计算步骤亦根据所述标签执行。
5.根据权利要求1所述的方法，其中所述定义步骤包括：
接收所述操作节点的参数；以及
根据所述参数的前后链接，识别所述数据节点。
6.根据权利要求5所述的方法，其中所述参数包括：操作类型及参数、输入数据节点指针及输出数据节点指针。
7.根据权利要求1所述的方法，其中所述批量计算...
【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：中科寒武纪科技股份有限公司，
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。