数据处理方法、装置及相关产品制造方法及图纸

本公开涉及一种数据处理方法、装置及相关产品。相关产品包括板卡，该板块包括：存储器件、接口装置和控制器件以及人工智能处理器；其中，人工智能处理器与存储器件、控制器件以及接口装置分别连接；存储器件，用于存储数据；接口装置，用于实现人工智能处理器与外部设备之间的数据传输；控制器件，用于对人工智能处理器的状态进行监控。本公开实施例所提供的数据处理方法、装置及相关产品，可以根据用户设置的循环神经网络模型的网络结构，创建满足用户需求的循环神经网络模型，实现了循环神经网络模型中算子的自定义设置，扩大了循环神经网络的应用范围。

【技术实现步骤摘要】
数据处理方法、装置及相关产品
本公开涉及计算机
，尤其涉及一种数据处理方法、装置及相关产品。
技术介绍
循环神经网络(RecurrentNeuralNetwork，RNN)是一类以序列(sequence)数据为输入，在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursiveneuralnetwork)。循环神经网络是神经网络算法中常见的网络，给定循环神经网络一组或多组输入，并给定循环结束条件，经过循环执行循环神经网络中若干计算操作后，若确定满足循环结束条件后，结束循环，得到对应的一组或多组输出。相关技术中，可供神经网络开发工具执行的循环神经网络只有固定的几种，不能满足用户对循环神经网络不同需求，且相关技术中的循环神经网络是固定的，用户不能根据自身的需求进行自定义设置。
技术实现思路
有鉴于此，本公开提出了一种数据处理方法、装置及相关产品。根据本公开的一方面，提供了一种数据处理方法，所述方法应用于人工智能处理器，所述方法包括：对确定的循环神经网络模型的网络结构进行解析，得到至少一个子算子关联内容，所述子算子关联内容包括与待创建的循环子算子相对应的运算步骤；根据每个运算步骤中的子算子参数和对应的运算逻辑，创建对应的循环子算子；根据至少一个循环子算子，创建循环神经网络算子；根据所述循环神经网络算子和确定的输入输出规模，创建循环神经网络模型。根据本公开的另一方面，提供了一种数据处理装置，所述装置应用于人工智能处理器，所述装置包括：结构解析模块，对确定的循环神经网络模型的网络结构进行解析，得到至少一个子算子关联内容，所述子算子关联内容包括与待创建的循环子算子相对应的运算步骤；子算子创建模块，根据每个运算步骤中的子算子参数和对应的运算逻辑，创建对应的循环子算子；算子创建模块，根据至少一个循环子算子，创建循环神经网络算子；模型创建模块，根据所述循环神经网络算子和确定的输入输出规模，创建循环神经网络模型。根据本公开的另一方面，提供了一种人工智能处理器，所述人工智能处理器包括如上所述的数据处理装置。根据本公开的另一方面，提供了一种电子设备，所述电子设备包括如上所述的人工智能处理器。根据本公开的另一方面，提供了一种板卡，所述板卡包括：存储器件、接口装置和控制器件以及如上所述的人工智能处理器；其中，所述人工智能处理器与所述存储器件、所述控制器件以及所述接口装置分别连接；所述存储器件，用于存储数据；所述接口装置，用于实现所述人工智能处理器与外部设备之间的数据传输；所述控制器件，用于对所述人工智能处理器的状态进行监控。本公开实施例所提供的数据处理方法、装置及相关产品，对确定的循环神经网络模型的网络结构进行解析，得到至少一个子算子关联内容，子算子关联内容包括与待创建的循环子算子相对应的运算步骤；根据每个运算步骤中的子算子参数和对应的运算逻辑，创建对应的循环子算子；根据至少一个循环子算子，创建循环神经网络算子；根据循环神经网络算子和确定的输入输出规模，创建循环神经网络模型。可以根据用户设置的循环神经网络模型的网络结构，创建满足用户需求的循环神经网络模型，实现了循环神经网络模型中算子的自定义设置，扩大了循环神经网络的应用范围。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。附图说明包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。图1示出根据本公开一实施例的数据处理方法的流程图。图2a、图2b示出根据本公开一实施例的数据处理方法的应用场景的示意图。图3示出根据本公开一实施例的数据处理装置的框图。图4示出根据本公开实施例的板卡的结构框图。具体实施方式以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。相关技术中，在利用循环神经网络进行计算时，循环神经网络所能进行的循环计算都是固定的，用户仅能选择是否使用该循环神经网络，并不能根据自身的循环计算需求对循环神经网络具体所进行的循环计算进行设置，限制了用户对循环神经网络的使用。图1示出根据本公开一实施例的数据处理方法的流程图。如图1所示，该方法可以应用于人工智能处理器。该方法包括步骤S11至步骤S14。在步骤S11中，对确定的循环神经网络模型的网络结构进行解析，得到至少一个子算子关联内容，子算子关联内容包括与待创建的循环子算子相对应的运算步骤。在步骤S12中，根据每个运算步骤中的子算子参数和对应的运算逻辑，创建对应的循环子算子。在步骤S13中，根据至少一个循环子算子，创建循环神经网络算子。在步骤S14中，根据循环神经网络算子和确定的输入输出规模，创建循环神经网络模型。在本实施例中，用户可以自行设置循环神经网络模型的网络结构，包括进行循环运算处理所涉及到的运算步骤、当前运算步骤的运算结果与下一运算步骤的运算之间的关联关系(如当前运算步骤的运算结果为下一运算步骤的运算输入、权值等)、实现运算步骤的运算过程所需应用的计算公式等能够表征循环运算处理的过程的数据，本公开对此不作限制。用户可以灵活设置循环神经网络模型的网络结构，可以通过循环神经网络模型的网络结构来表征自身对循环运算处理的运算需求。在本实施例中，可以根据循环神经网络模型的网络结构，将其对应的计算过程拆分为一个或多个运算步骤，本公开对此不作限制。在本实施例中，子算子参数可以包括与对应的循环子算子所进行的运算所需的常数、对应的公式等参数，对应的运算逻辑可以用于指示循环子算子所进行的运算的类型。在本实施例中，根据至少一个循环子算子，创建循环神经网络算子，可以包括：仅根据新创建的至少一个循环子算子创建循环神经网络算子，所得到的循环神经网络算子为用户全新自定义的；根据新创建的至少一个循环子算子以及已有的循环子算子(无需用户自定义建立的子算子)，创建循环神经网络算子，所得到的循环神经网络算子为用户对已有循环神经网络进行改造得到的。根据至少一个循环子算子，创建循环神经网络算子，还可以包括根据至少一个循环子算子以及循环结束条件(循环结束条件可以是用户设置的，也可以是已有的、无需用户设置的)，创建循环神经网络算子。本领域技术人员可以根据需要对创建循环神经网络算子本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，所述方法应用于人工智能处理器，所述方法包括：/n对确定的循环神经网络模型的网络结构进行解析，得到至少一个子算子关联内容，所述子算子关联内容包括与待创建的循环子算子相对应的运算步骤；/n根据每个运算步骤中的子算子参数和对应的运算逻辑，创建对应的循环子算子；/n根据至少一个循环子算子，创建循环神经网络算子；/n根据所述循环神经网络算子和确定的输入输出规模，创建循环神经网络模型。/n

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法应用于人工智能处理器，所述方法包括：
对确定的循环神经网络模型的网络结构进行解析，得到至少一个子算子关联内容，所述子算子关联内容包括与待创建的循环子算子相对应的运算步骤；
根据每个运算步骤中的子算子参数和对应的运算逻辑，创建对应的循环子算子；
根据至少一个循环子算子，创建循环神经网络算子；
根据所述循环神经网络算子和确定的输入输出规模，创建循环神经网络模型。


2.根据权利要求1所述的方法，其特征在于，在循环子算子包括多个时，所述子算子关联内容还包括与子算子执行顺序，
其中，对确定的循环神经网络模型的网络结构进行解析，得到至少一个子算子关联内容，包括：
对确定的循环神经网络模型的网络结构进行解析，确定与多个循环子算子所对应的子算子执行顺序，
其中，根据所述至少一个循环子算子，创建循环神经网络算子，包括：
根据所述子算子执行顺序和多个循环子算子，创建所述循环神经网络算子。


3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据每个运算步骤所对应的子算子标识，从预设的循环子算子库中获取与所述子算子标识相对应的循环子算子，
其中，子算子标识用于指示对应的循环子算子所对应的运算步骤，
所述循环子算子库中存储有多个预先创建的带有子算子标识的循环子算子。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：
基于人工智能处理器运行所述循环神经网络模型。


5.根据权利要求4所述的方法，其特征在于，基于人工智能处理器运行所述循环神经网络模型，包...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：上海寒武纪信息科技有限公司，
类型：发明
国别省市：上海;31