一种用于定点转化的系统和方法技术方案

本申请提供一种数据格式转化的系统和方法。该方法包括：获得训练样本集，其中训练样本集包括多个样本值；基于样本值将多个样本值划分为多个参考簇；对于多个参考簇，基于参考簇内的一个或多个样本值，确定对应该参考簇的一个或多个转换参数；以浮点格式获取目标值；基于目标值确定多个参考簇中的目标簇；基于与目标簇对应的一个或多个转换参数，将浮点格式的目标值转换为定点格式。

【技术实现步骤摘要】
一种用于定点转化的系统和方法
本申请涉及机器学习
，具体地，涉及通过嵌入式芯片执行机器学习网络的系统和方法。
技术介绍
机器学习网络是一种计算模型，可用于解决使用传统计算模型难以解决的任务。例如，可以训练机器学习网络以执行使用其他传统编程范例极难实现的模式识别任务。利用机器学习网络通常需要执行计算和操作来开发、训练和更新机器学习网络。传统上，机器学习网络已经使用浮点数操作的台式计算机处理器或服务器来实现。例如，使用IEEE754格式编码的32位浮点数表示数据并执行机器学习网络的计算。然而，在嵌入式处理器(例如，移动设备的处理器)上执行浮点计算和操作是非常困难的。因此，需要提高使用定点数操作的嵌入式处理器来实现机器学习网络的效率。另外，随着机器学习网络越来越庞大和复杂，需要降低机器学习网络的计算复杂度以改进速度，降低功率要求和其他低效率。
技术实现思路
本申请实施例之一提供一种数据格式转化的系统，包括：至少一个非暂时性存储设备，包括一组指令集；以及与该至少一个非暂时性存储设备通信的至少一个处理器，其中，当执行该指令集时，该至少一个处理器用于：获得训练样本集，其中训练样本集包括多个样本值；基于样本值将多个样本值划分为多个参考簇；对于多个参考簇中的每一个，基于参考簇内的一个或多个样本值，确定对应该参考簇的一个或多个转换参数；以浮点格式获取目标值；基于目标值确定多个参考簇中的目标簇；基于与目标簇对应的一个或多个转换参数，将浮点格式的目标值转换为定点格式。在一些实施例中，所述一个或多个转换参数包括Q数值，以确定与所述参考簇相对应的Q数值，所述系统还用于：确定与参考簇对应的簇中心值；基于与参考簇对应的簇中心值和具有参考簇的样本值，确定与参考簇对应的最大范围值；基于与参考簇对应的最大范围值确定与参考簇对应的Q数值。在一些实施例中，所述一个或多个转换参数包括位移值，为了确定对应于所述参考簇的位移值，所述系统还用于：确定训练样本集的多个样本值的原始中心值；确定与参考簇对应的簇中心值；基于原始中心值和与参考簇对应的簇中心值，确定与参考簇对应的位移值。在一些实施例中，所述浮点格式的目标值包括目标簇编码区域，所述系统还用于：确定多个样本值的分布；基于多个样本值的分布确定目标簇编码区域的长度。在一些实施例中，所述系统还被配置为：基于目标簇编码区域的长度确定参考簇的数量；基于参考簇的数量确定多个参考簇。在一些实施例中，所述系统还被配置为：根据定点格式的目标值和机器学习网络生成基于定点格式的第一结果；基于与目标簇对应的一个或多个转换参数将第一结果转换为浮点格式。在一些实施例中，所述系统还被配置为：其中基于所述训练样本集生成所述机器学习网络。在一些实施例中，所述系统还被配置为：基于与多个参考簇对应的转换参数确定查找表。在一些实施例中，所述查找表是哈希表。在一些实施例中，所述基于所述目标簇对应的所述一个或多个转换参数，将所述浮点格式的目标值转换为定点格式，所述系统还用于：从查找表中获取与目标簇对应的一个或多个转换参数。申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是显而易见的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。附图说明本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。图1是根据本申请的一些实施例所示的用于浮点转定点系统的示意图；图2是根据本申请的一些实施例所示的计算设备的示例性硬件和/或软件组件的示意图；图3是根据本申请的一些实施例所示的移动设备的示例性硬件和/或软件组件的示意图；图4是根据本申请的一些实施例所示的示例性处理引擎的框图；图5是根据本申请的一些实施例所示的用于浮点转定点的示例性过程和/或方法的流程图；图6是根据本申请的一些实施例所示的用于确定转换参数的示例性过程和/或方法的流程图；图7是根据本申请的一些实施例所示的示例性参考簇的示意图。具体实施方式下述描述是为了使本领域的普通技术人员能够制造和使用本申请，并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲，显然可以对所披露的实施例作出各种改变，另外，在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请并不限于所描述的实施例，而应该被给予与权利要求一致的最广泛的范围。本申请中所使用的术语仅仅用来描述特定的示例性实施例，并不旨在对其进行。如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可以包括复数。可以进一步理解的是，术语“包括”与“包含”是指存在多个明确标识的特征、整数、步骤、步骤、元件和/或组件，但并不排除呈现或添加至少一个其他特征、整数、步骤、步骤、元件和/或组件，和/或它们的组合。在考虑了作为本申请一部分的附图的描述内容后，本申请的特征和特点以及操作方法、结构的相关元素的功能、各部分的组合、制造的经济性变得显而易见。然而，应当理解，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。本申请中使用流程图用来说明根据本申请的一些实施例的系统所执行的操作。应当理解的是，流程图中的操作可以不按顺序执行。相反，可以按照相反的顺序或同时处理各种步骤。此外，可以向流程图添加至少一个其他操作。也可以从流程图中删除至少一个操作。图1是根据本申请的一些实施例所示的用于数据格式转化示例性系统的示意图。系统100可以包括服务器110、网络120、终端130和数据库140。服务器110可包含处理引擎112。服务器110可以用于为与多个服务请求有关的过程信息和/或数据，例如，服务器110可以用于为查询数据库140。在一些实施例中，服务器110可以用于生成数据表并将数据表存储在数据库140中。在一些实施例中，服务器110可以基于查询请求确定数据库140中的至少一个目标数据表。在一些实施例中，服务器110可以是单个服务器，也可以是服务器组。该服务器组可以是集中式的，也可以是分布式的(例如，服务器110可以是分布式的系统)。在一些实施例中，服务器110可以是本地的，也可以是远程的。例如，服务器110可以经由网络120访问存储在终端130和/或数据库140中的信息和/或数据。又例如，服务器110可以直接连接到终端130和/或数据库140以访问存储的信息和/或数据。在一些实施例中，服务器110可以在云平台上实施。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，服务器110可以在如本申请图2中描述的包含了至少一个组件的计算设备上执行。在一本文档来自技高网...

【技术保护点】
1.一种数据格式转化的系统，包括：/n至少一个非暂时性存储设备，包括一组指令集；以及/n与该至少一个非暂时性存储设备通信的至少一个处理器，其中，当执行该指令集时，该至少一个处理器用于：/n获得训练样本集，其中训练样本集包括多个样本值；/n基于样本值将多个样本值划分为多个参考簇；/n对于多个参考簇，基于参考簇内的一个或多个样本值，确定对应该参考簇的一个或多个转换参数；/n以浮点格式获取目标值；/n基于目标值确定多个参考簇中的目标簇；/n基于与目标簇对应的一个或多个转换参数，将浮点格式的目标值转换为定点格式。/n

【技术特征摘要】
1.一种数据格式转化的系统，包括：
至少一个非暂时性存储设备，包括一组指令集；以及
与该至少一个非暂时性存储设备通信的至少一个处理器，其中，当执行该指令集时，该至少一个处理器用于：
获得训练样本集，其中训练样本集包括多个样本值；
基于样本值将多个样本值划分为多个参考簇；
对于多个参考簇，基于参考簇内的一个或多个样本值，确定对应该参考簇的一个或多个转换参数；
以浮点格式获取目标值；
基于目标值确定多个参考簇中的目标簇；
基于与目标簇对应的一个或多个转换参数，将浮点格式的目标值转换为定点格式。


2.如权利要求1所述的系统，其中，所述一个或多个转换参数包括Q数值，以确定与所述参考簇相对应的Q数值，所述系统还用于：
确定与参考簇对应的簇中心值；
基于与参考簇对应的簇中心值和具有参考簇的样本值，确定与参考簇对应的最大范围值；
基于与参考簇对应的最大范围值确定与参考簇对应的Q数值。


3.如权利要求1所述的系统，其中所述一个或多个转换参数包括位移值，为了确定对应于所述参考簇的位移值，所述系统还用于：
确定训练样本集的多个样本值的原始中心值；
确定与参考簇对应的簇中心值；
基于原始中心值和与参考簇对应的簇中心值，确定与参考簇对应的位移值。


4.如权利要求1任一项所述的系统，其特征在于，所述浮点格式的目标值包括目标簇编码区域，所述系统还用于：
确定多个样本值的分布；
基于多个样本值的分布确定目标簇编码区域的长度。


5.如权利要求4所述的系统，其中，所述系统还被配置为：
基于目标簇编码区域的长度确定参考簇的数量；
基于参考簇的数量确定多个参考簇。


6.如权利要求5中任一项所述的系统，其中，所述系统被配置为：
根据定点格式的目标值和机器学习网络生成基于定点格式的第一结果；
基于与目标簇对应的一个或多个转换参数将第一结果转换为浮点格式。


7.如权利要求6所述的系统，其中基于所述训练样本集生成所述机器学习网络。


8.根据权利要求1所述的系统，其中，所述系统还被配置为：
基于与多个参考簇对应的转换参数确定查找表。


9.如权利要求8所述的系统，其中所述查找表是哈希表。


10.如权利要求7所述的系统，其特征在于，所述基于所述目标簇对应的所述一个或多个转换参数，将所述浮点格式的目标值转换为定点格式，所述系统还用于...

【专利技术属性】
技术研发人员：赵元，沈海峰，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11