一种数据处理方法及装置制造方法及图纸

本申请实施例提供了一种数据处理方法及装置，所述装置适用于卷积运算器的密文计算环境，包括：扩展模块和运算模块；所述扩展模块用于：对待处理数据和卷积核数据分别进行扩展，得到扩展后的待处理数据和扩展后的卷积核数据，所述扩展后的待处理数据的参数值与所述扩展后的卷积核数据的参数值相同；所述运算模块用于：对所述扩展后的输入待处理数据中与所述扩展后的卷积核数据中每两个对应位置的元素进行运算，得到输出数据。本申请利用加法神经网络替换传统的卷积神经网络，通过将卷积神经网络中大量的乘法操作替换为速度更快的加法操作，能显著加快模型的运算速度，进而提升数据处理装置处理数据的速度。

【技术实现步骤摘要】
一种数据处理方法及装置
本专利技术涉及数据处理
，特别是涉及一种数据处理方法及装置。
技术介绍
卷积神经网络是深度学习中的重要模型。卷积神经网络的核心结构卷积层，通过在输入图像上滑动不同的卷积核并进行一定的运算得到输入图像的特征图，能实现有效的特征提取。目前，卷积神经网络在图像分类、物体检测等领域已有广泛的应用。相关技术中，为了更好地利用人工智能和数据挖掘技术，往往需要从多个数据源获取大量的数据。而数据源提供方为避免数据泄露风险，通常会对提供的数据进行加密处理。由于卷积神经网络涉及大量的参数和复杂的运算，利用加密的数据直接对目前已有的卷积神经网络进行训练，难度较大。因而，如何在密文环境下对卷积神经网络进行训练，成为亟待解决的问题。
技术实现思路
本申请实施例提供了一种数据处理方法及装置，可在密文环境下，直接利用加密数据对卷积神经网络进行训练，且能显著提高模型训练速度。本申请实施例第一方面提供了一种数据处理装置，所述装置适用于卷积运算器的密文计算环境，包括：扩展模块和运算模块；所述扩展模块本文档来自技高网...

【技术保护点】
1.一种数据处理装置，其特征在于，所述装置适用于卷积运算器的密文计算环境，包括：扩展模块和运算模块；/n所述扩展模块用于：对待处理数据和卷积核数据分别进行扩展，得到扩展后的待处理数据和扩展后的卷积核数据，所述扩展后的待处理数据的参数值与所述扩展后的卷积核数据的参数值相同；/n所述运算模块用于：对所述扩展后的输入待处理数据中与所述扩展后的卷积核数据中每两个对应位置的元素进行运算，得到输出数据。/n

【技术特征摘要】
1.一种数据处理装置，其特征在于，所述装置适用于卷积运算器的密文计算环境，包括：扩展模块和运算模块；
所述扩展模块用于：对待处理数据和卷积核数据分别进行扩展，得到扩展后的待处理数据和扩展后的卷积核数据，所述扩展后的待处理数据的参数值与所述扩展后的卷积核数据的参数值相同；
所述运算模块用于：对所述扩展后的输入待处理数据中与所述扩展后的卷积核数据中每两个对应位置的元素进行运算，得到输出数据。


2.根据权利要求1所述的数据处理装置，其特征在于，所述运算模块包括：减法器、绝对值运算器、加法器、取反器以及维度调整模块；
所述减法器用于：对所述扩展后的待处理数据中与所述扩展后的卷积核数据中每两个对应位置的元素进行减法运算，得到对应的差值数据；
所述绝对值运算器用于：对所述差值数据的每个元素进行求绝对值运算，得到对应的绝对值数据；
所述加法器用于：对所述绝对值数据的同一预设维度的各个元素进行加法运算，得到对应的和值数据；
所述取反器用于：对所述和值数据的每个元素进行取反运算，得到对应的相反数数据；
所述维度调整模块用于：所述相反数数据进行维度调整，得到所述输出数据。


3.根据权利要求1所述的数据处理装置，其特征在于，所述扩展模块用于：
根据卷积核的数量，对所述待处理数据进行相应次数的复制，得到所述扩展后的待处理数据；以及
根据样本数据量和卷积核的尺寸，对所述卷积核数据进行相应次数的复制，得到所述扩展后的卷积核数据。


4.根据权利要求1-3任一所述的数据处理装置，其特征在于，还包括：预处理模块，用于：
根据卷积核的尺寸，对原始待处理数据进行截取，将每次截取到的多个元素顺次排成一行，多行元素组成所述待处理数据；以及
将原始卷积核数据中的各个元素顺次排成一行，得到所述卷积核数据。


5.根据权利要求1-3任一所述的数据处理装置，其特征在于，还包括：配置模块和划分模块；
所述配置模块用于：配置单个训练批次包括的组数；
所述划分模块用于：根据训练批次数量和所述组数，将所述扩展后的待处理数据和所述扩展后的卷积核数据分别划分为多组扩展后的待处理子数据和多组扩展后的卷积核子数据；
所述运算模块用于：对组编号对应的单个扩展后的待处理子数据和单个扩展后的卷积核子...

【专利技术属性】
技术研发人员：陈琨，顾欣然，王蜀洪，
申请(专利权)人：华控清交信息科技北京有限公司，
类型：发明
国别省市：北京;11