基于神经网络的数据处理方法及装置、设备和可读介质制造方法及图纸

本公开提供一种基于神经网络的数据处理方法、装置以及电子设备和计算机可读介质，涉及数据处理领域，该方法包括：对所述神经网络的输入数据进行通道拆分处理，并对通道拆分后的输入数据进行通道混洗处理；对通道混洗后的输入数据进行二值化处理，以获得二值输入数据；对所述二值输入数据进行分组卷积处理，所述分组卷积处理对应的卷积核中的权重是二值数据；根据通道顺序将通道混洗后的输入数据与分组卷积处理后的二值数据进行累加处理，以获得输出结果。本公开实施例提供的技术方案可以提高数据处理的速度，减少数据信息的损失。

【技术实现步骤摘要】
基于神经网络的数据处理方法及装置、设备和可读介质
本公开涉及数据处理领域，尤其涉及一种基于神经网络的数据处理方法及装置、电子设备和计算机可读介质。
技术介绍
在相关技术中，深度学习技术中的神经网络一般采用浮点计算方式对输入数据进行处理，但是浮点计算方式需要较大的存储空间并会产生极大的计算量，严重阻碍了神经网络在移动端的应用。二值化神经网络以其高模型压缩率和快计算速度的潜在优势，近些年成为深度学习的热门研究方向。但是相关技术中，二值神经网络存在很强的信息损失的问题。因此，找到一种可以减少二值神经网络的信息损失的方法，对二值神经网络的应用是极其具有意义的。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
有鉴于此，本公开提供一种基于神经网络的数据处理方法及装置、电子设备和计算机可读介质，能够减少二值神经网络中产生的信息损失，并减少内存损耗以提高计算速度。本公开的其他特性和优点将通过下面的详细描述变得显然，或本文档来自技高网...

【技术保护点】
1.一种基于神经网络的数据处理方法，其特征在于，包括：/n对所述神经网络的输入数据进行通道拆分处理，并对通道拆分后的输入数据进行通道混洗处理；/n对通道混洗后的输入数据进行二值化处理，以获得二值输入数据；/n对所述二值输入数据进行分组卷积处理，所述分组卷积处理对应的卷积核中的权重是二值数据；/n根据通道顺序将通道混洗后的输入数据与分组卷积处理后的二值数据进行累加处理，以获得输出结果。/n

【技术特征摘要】
1.一种基于神经网络的数据处理方法，其特征在于，包括：
对所述神经网络的输入数据进行通道拆分处理，并对通道拆分后的输入数据进行通道混洗处理；
对通道混洗后的输入数据进行二值化处理，以获得二值输入数据；
对所述二值输入数据进行分组卷积处理，所述分组卷积处理对应的卷积核中的权重是二值数据；
根据通道顺序将通道混洗后的输入数据与分组卷积处理后的二值数据进行累加处理，以获得输出结果。


2.根据权利要求1所述方法，其特征在于，对通道拆分后的输入数据进行通道混洗处理，包括：
对所述通道拆分后的输入数据的通道进行随机排列组合处理。


3.根据权利要求1所述方法，其特征在于，对通道混洗后的输入数据进行二值化处理，包括：
若所述通道混洗后的输入数据大于预设阈值，则将所述通道混洗后的输入数据转换为第一值；
若所述通道混洗后的输入数据小于等于所述预设阈值，则将所述通道混洗后的输入数据转换为第二值。


4.根据权利要求3所述方法，其特征在于，所述第一值为1，所述第二值为-1。


5.根据权利要求1所述方法，其特征在于，对所述二值输入数据进行分组卷积处理，包括：
将所述二值输入数据以及所述神经网络中的卷积核按照通道对应分组；
将分组...

【专利技术属性】
技术研发人员：张建浩，朱睿，梅涛，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11