【技术实现步骤摘要】
神经网络处理方法、装置、电子设备及存储介质
本专利技术涉及神经网络
,具体而言,涉及一种神经网络处理方法、装置、电子设备及存储介质。
技术介绍
现有神经网络加速器中,由于神经网络中网络层参数量较大,在对神经网络进行处理时,编译器往往需要对卷积层的特征图进行拆分,通过拆分并使用复用权重或特征图的数据复用方式,以实现将一个卷积层的卷积运算拆分成多个子运算,多个子运算分别独立计算,最终实现神经网络的加速运算。现有技术采用硬件实现特征图拆分及数据复用,但是这种实现方式对于神经网络的计算加速效率并不高。
技术实现思路
本专利技术实施例的目的在于提供一种神经网络处理方法、装置、电子设备及存储介质,其能够提高神经网络的计算加速效率。为了实现上述目的,本专利技术实施例采用的技术方案如下:第一方面,本实施例提供一种神经网络处理方法,所述方法包括:获取待处理的神经网络,其中,神经网络包括至少一个卷积层,每一卷积层对应输入特征图及卷积参数;依据每一卷积层的输入特征图及卷积参数确定该卷积层的拆分方式及该卷积层的数据复用方式;按照每一卷积层的拆分方式及数据复用方式,对神经网络的卷积运算进行拆分,得到神经网络的卷积运算的拆分结果。第二方面,本实施例提供一种神经网络处理装置,所述装置包括获取模块、确定模块及拆分模块,其中,获取模块,用于获取待处理的神经网络,其中,神经网络包括至少一个卷积层,每一卷积层对应输入特征图及卷积参数;确定模块,用于依据每一卷积层的输入特征图及卷积参数确定该卷积层的拆分方式及该卷积 ...
【技术保护点】
1.一种神经网络处理方法,其特征在于,所述方法包括:/n获取待处理的神经网络,其中,所述神经网络包括至少一个卷积层,每一所述卷积层对应输入特征图及卷积参数;/n依据每一所述卷积层的输入特征图及卷积参数确定该卷积层的拆分方式及该卷积层的数据复用方式;/n按照每一所述卷积层的拆分方式及数据复用方式,对所述神经网络的卷积运算进行拆分,得到所述神经网络的卷积运算的拆分结果。/n
【技术特征摘要】
1.一种神经网络处理方法,其特征在于,所述方法包括:
获取待处理的神经网络,其中,所述神经网络包括至少一个卷积层,每一所述卷积层对应输入特征图及卷积参数;
依据每一所述卷积层的输入特征图及卷积参数确定该卷积层的拆分方式及该卷积层的数据复用方式;
按照每一所述卷积层的拆分方式及数据复用方式,对所述神经网络的卷积运算进行拆分,得到所述神经网络的卷积运算的拆分结果。
2.如权利要求1所述的神经网络处理方法,其特征在于,所述卷积参数包括权重及步长,所述依据每一所述卷积层的输入特征图及卷积参数确定该卷积层的拆分方式及该卷积层的数据复用方式的步骤包括:
对于所述神经网络中的任意一个目标卷积层进行如下处理:
依据所述目标卷积层的步长、权重的个数及输入特征图的大小确定所述目标卷积层的输出特征图的大小,其中,所述输出特征图为所述输入特征图经过所述目标卷积层的卷积运算得到;
按照预设拆分方式及预设数据复用方式对所述目标卷积层的输出特征图进行拆分,得到满足预设条件的所述目标卷积层的输出特征图的第一拆分方式及目标复用方式;
依据所述第一拆分方式确定所述目标卷积层的权重拆分方式及输入特征图的第二拆分方式;
将所述目标卷积层的权重拆分方式和所述第二拆分方式作为所述目标卷积层的拆分方式、并将所述目标复用方式作为所述目标卷积层的数据复用方式。
3.如权利要求2所述的神经网络处理方法,其特征在于,所述预设拆分方式为多个,所述预设数据复用方式为多个,所述预设条件包括第一预设条件及第二预设条件,所述按照预设拆分方式及预设数据复用方式对所述目标卷积层的输出特征图进行拆分,得到满足预设条件的所述目标卷积层的输出特征图的第一拆分方式及目标复用方式的步骤包括:
按照每一所述预设拆分方式分别对所述目标卷积层的输出特征图进行拆分,得到满足所述第一预设条件的多个初始拆分结果;
依据每一所述初始拆分结果从多个所述预设数据复用方式中确定对应的初始复用方式,并按照所述目标复用方式计算该初始拆分结果的数据重复加载量;
将满足所述第二预设条件的数据重复加载量对应的初始拆分结果的所述预设拆分方式作为第一拆分方式,并将满足所述第二预设条件的数据重复加载量对应的初始拆分结果的所述初始复用方式作为目标复用方式。
4.如权利要求3所述的神经网络处理方法,其特征在于,所述卷积参数还包括边界填充参数pad,所述按照每一所述预设拆分方式分别对所述目标卷积层的输出特征图进行拆分,得到满足所述第一预设条件的多个初始拆分结果的步骤包括:
按照所述多个预设拆分方式中任意一种目标拆分方式对所述目标卷积层的输出特征图进行拆分,得到一个满足所述第一预设条件的初始拆分结果的处理过程为:
按照所述目标拆分方式对所述目标卷积层的输出特征图进行拆分,得到所述输出特征图的拆分结果,其中,所述输出特征图的拆分结果包括所述输出特征图拆分后得到的输出特征子图的大小及所述输出特征子图的个数;
依据所述输出特征子图的大小、步长及pad,得到对应的所述输入特征图拆分后的输入特征子图的大小及所述权重拆分后的子权重的大小;
若任意一个所述输出特征子图的大小小于第一预设值、且任意一个所述输入特征子图的大小小于第二预设值、且任意一个所述子权重的大小小于第三预设值,则将所述输出特征图的拆分结果作为一个满足所述第一预设条件的初始拆分结果。
5.如权利要求3所述的神经网络处理方法,其特征在于,所述输出特征图包括通道维度、高度维度及宽度维度,每一所述初始拆分结果对应一个所述维度组合,所述预设数据复用方式...
【专利技术属性】
技术研发人员:曾华,唐荔,唐剑,
申请(专利权)人:湖南国科微电子股份有限公司,
类型:发明
国别省市:湖南;43
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。