运算方法、装置及相关产品制造方法及图纸

本公开涉及一种运算方法、装置及相关产品。所述产品可以包括以下一个或多个组件：处理组件，存储器，电源组件，多媒体组件，音频组件，输入/输出(I/O)的接口，传感器组件，以及通信组件。根据本公开的运算方法、装置或相关产品，可以提高神经网络的运算效率以及准确性。

【技术实现步骤摘要】
运算方法、装置及相关产品
本公开涉及信息处理
，尤其涉及一种运算方法、装置及相关产品。
技术介绍
在人工智能
，神经网络算法是最近非常流行的一种机器学习算法，在各种领域中都取得了非常好的效果，比如图像识别，语音识别，自然语言处理等。随着神经网络算法的发展，算法的复杂度也越来越高，为了提高识别度，模型的规模也在逐渐增大。
技术实现思路
有鉴于此，本公开提出了一种神经网络模型的中间结果的比较方法及装置。根据本公开的一方面，提供了一种神经网络模型的中间结果的比较方法，所述方法包括：针对神经网络模型的目标层，获取所述目标层的第一中间结果和第二中间结果，其中，所述第一中间结果为根据多个第一子模型在所述目标层的输出结果得到的，所述多个第一子模型为采用第一拆分方案对所述神经网络模型进行拆分得到的，所述第二中间结果为根据多个第二子模型在所述目标层的输出结果得到的，所述多个第二子模型为采用第二拆分方案对所述神经网络模型进行拆分得到的；比较所述第一中间结果和所述第二中间结果的精度，得到所述第一拆分方案本文档来自技高网...

【技术保护点】
1.一种神经网络模型的中间结果的比较方法，其特征在于，所述方法包括：/n针对神经网络模型的目标层，获取所述目标层的第一中间结果和第二中间结果，/n其中，所述第一中间结果为根据多个第一子模型在所述目标层的输出结果得到的，所述多个第一子模型为采用第一拆分方案对所述神经网络模型进行拆分得到的，所述第二中间结果为根据多个第二子模型在所述目标层的输出结果得到的，所述多个第二子模型为采用第二拆分方案对所述神经网络模型进行拆分得到的；/n比较所述第一中间结果和所述第二中间结果的精度，得到所述第一拆分方案和所述第二拆分方案的精度差异。/n

【技术特征摘要】
1.一种神经网络模型的中间结果的比较方法，其特征在于，所述方法包括：
针对神经网络模型的目标层，获取所述目标层的第一中间结果和第二中间结果，
其中，所述第一中间结果为根据多个第一子模型在所述目标层的输出结果得到的，所述多个第一子模型为采用第一拆分方案对所述神经网络模型进行拆分得到的，所述第二中间结果为根据多个第二子模型在所述目标层的输出结果得到的，所述多个第二子模型为采用第二拆分方案对所述神经网络模型进行拆分得到的；
比较所述第一中间结果和所述第二中间结果的精度，得到所述第一拆分方案和所述第二拆分方案的精度差异。


2.根据权利要求1所述的方法，其特征在于，针对神经网络模型的目标层，获取所述目标层的第一中间结果和第二中间结果，包括：
针对神经网络模型的目标层，获取采用第一拆分方案对神经网络模型拆分后的多个第一子模型在所述目标层的输出结果、以及采用第二拆分方案对神经网络模型拆分后的多个第二子模型在所述目标层的输出结果；
根据所述第一拆分方案，和/或，与所述第一拆分方案对应的数据摆放方案对所述多个第一子模型在所述目标层的输出结果进行处理，得到所述神经网络模型在所述目标层的第一中间结果；
根据所述第二拆分方案，和/或，与所述第二拆分方案对应的数据摆放方案对所述多个第二子模型在所述目标层的输出结果进行处理，得到所述神经网络模型在所述目标层的第二中间结果。


3.根据权利要求2所述的方法，其特征在于，根据所述第一拆分方案，和/或，与所述第一拆分方案对应的数据摆放方案对所述多个第一子模型的输出结果进行处理，得到所述神经网络模型在所述目标层的第一中间结果，包括：
根据所述第一拆分方案对所述多个第一子模型在所述目标层的输出结果进行拼接，得到第一拼接结果；
根据与所述第一拆分方案对应的数据摆放方案对所述第一拼接结果进行数据转置得到所述第一中间结果。


4.根据权利要求3所述的方法，其特征在于，根据所述第一拆分方案，和/或，与所述第一拆分方案对应的数据摆放方案对所述多个第一子模型的输出结果进行处理，得到所述神经网络模型在所述目标层的第一中间结果，还包括：
若对所述多个第一子模型在所述目标层的输入数据进行了数据补齐操作，则在对所述第一拼接结果进行数据转置之前，去除所述第一拼接结果的冗余数据，或者在得到所述第一拼接结果之前，去除多个第一子模型在所述目标层的输出结果的冗余数据。

【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