一种数据处理方法及相关产品技术

本申请实施例公开了一种数据处理方法及相关产品，当神经网络模型中存在可以优化的结构时，通过对神经网络模型执行多种优化操作中的至少一个优化操作，可以实现针对神经网络模型的优化，当接收到机器学习处理任务的请求时，调用优化后的神经网络模型可以减少冗余计算，继而提高神经网络模型的运算速度。

【技术实现步骤摘要】
一种数据处理方法及相关产品
本申请涉及信息处理
，尤其涉及一种数据处理方法及相关产品。
技术介绍
神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，这种网络由大量的节点(或称神经元)之间星湖连接构成，通过调整内部大量节点之间相互连接的关系，利用输入数据、权值产生输出数据模拟人脑的信息处理过程处理信息并生成模式识别之后的结果。现有技术中，一般通过对神经网络模型的结构进行调整(例如，减少神经网络模型的神经元数量、对神经网络模型的权值数据进行剪枝等等)，以降低神经网络模型的计算量，进而提高神经网络模型的运算速度，并不涉及如何根据神经网络模型中函数的位置关系对神经网络模型进行优化。
技术实现思路
本申请实施例提供一种数据处理方法及相关产品，可以优化神经网络模型，从而可以减少神经网络模型的冗余计算，提高神经网络模型的运算速度。第一方面，本申请实施例提供了一种数据处理方法，该方法包括：获取第一神经网络模型；根据第一神经网络模型中函数的位置关系对所述第一神经网络模型进行修整，得到第二神经网本文档来自技高网...

【技术保护点】
1.一种数据处理方法，其特征在于，包括：/n获取第一神经网络模型；/n根据第一神经网络模型中函数的位置关系对所述第一神经网络模型进行修整，得到第二神经网络模型；其中，所述函数的位置关系包括reshape函数和/或transpose函数的位置关系。/n

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：
获取第一神经网络模型；
根据第一神经网络模型中函数的位置关系对所述第一神经网络模型进行修整，得到第二神经网络模型；其中，所述函数的位置关系包括reshape函数和/或transpose函数的位置关系。


2.根据权利要求1所述的方法，其特征在于，还包括：
在接收到机器学习处理任务请求时，调用所述第二神经网络模型执行所述机器学习处理任务。


3.根据权利要求1或2所述的方法，其特征在于，所述根据第一神经网络模型中函数的位置关系对所述第一神经网络模型进行修整，包括：
当所述第一神经网络模型中包含连续N个reshape函数时，将所述连续N个reshape函数合并为一个reshape函数；其中，N为大于等于2的正整数；
或者，
当所述第一神经网络模型中包含连续M个transpose函数时，将所述连续M个transpose函数合并为一个transpose函数；其中，M为大于等于2的正整数；
或者，
当所述第一神经网络模型中的reshape函数与transpose函数等价，并且所述第一神经网络模型中的reshape函数与transpose函数相邻时，将所述transpose函数替换为所述reshape函数，或者，将所述reshape函数替换为所述transpose函数。


4.根据权利要求1或2所述的方法，其特征在于，所述连续M个transpose函数包括第一transpose函数和第二transpose函数；所述将所述连续M个transpose函数合并为一个transpose函数，包括：
确定所述第一transpose函数以及所述第二transpose函数各自对应的perm参数；
根据所述第一transpose函数以及所述第二transpose函数各自对应的perm参数确定第一参数，其中，所述第一参数为合并后的transpose函数对应的perm参数。


5.根据权利要求4所述的方法，其特征在于，所述根据所述第一transpose函数以及所述第二transpose函数各自对应的perm参数确定第一参数，包括：
在确定所述第一参数时，根据以...

【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