一种提取数据特征的方法和相关装置制造方法及图纸

本申请提供了人工智能领域中提取数据特征的方法和装置。本申请的技术方案中，采用加法卷积运算，基于量化后的特征提取参数提取量化后的数据中的目标特征，即计算量化后的特征提取参数和量化后的数据的差值的绝对值之和，以根据该和获取目标特征，这样可以在节省存储资源的同时还能节省计算资源，从而可以减小人工智能在资源受限的设备上的应用。此外，本申请还提出了使用相同的量化参数对特征提取参数和数据进行量化，这样，在对提取到的特征数据进行反量化时，可以基于该量化参数对特征数据进行反量化，从而可以在提高特征数据的精准度的同时还能降低计算复杂度，进而节省计算资源。进一步地，本申请还提供了用于实现该加法卷积运算的硬件装置。

【技术实现步骤摘要】
一种提取数据特征的方法和相关装置
本申请涉及人工智能领域的数据计算技术，并且更具体地，涉及一种提取数据特征的方法和相关装置。
技术介绍
人工智能(artificialintelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能领域的研究包括机器人，自然语言处理，计算机视觉，决策与推理，人机交互，推荐与搜索，AI基础理论等。神经网络(neuralnetwork，NN)作为人工智能的重要分支，是一种模仿动物神经网络行为特征进行信息处理的网络结构。神经网络的结构由大量的节点(或称神经元)相互联接构成，基于特定运算模型通过对输入信息进行学习和训练达到处理信息的目的。一个神经网络包括输入层、隐藏层及输出层，输入层负责接收输入信号，输出层本文档来自技高网...

【技术保护点】
1.一种提取数据特征的方法，其特征在于，包括：/n从目标存储器中读取第一特征提取参数，所述第一特征提取参数中包含目标神经网络中用于提取目标特征的网络参数经过第一量化处理得到的参数；/n根据所述第一特征提取参数确定第二特征提取参数，所述第二特征提取参数包含M*N个参数，M和N为正整数；/n从所述目标存储器中读取第一待提取特征数据；/n根据所述第一待提取特征数据确定第二待提取特征数据，所述第二待提取特征数据包含M*N个数据，所述M*N个数据与所述M*N个参数一一对应；/n使用目标处理器，对所述第二特征提取参数和所述第二待提取特征数据进行加法卷积运算，得到第一特征数据，所述加法卷积运算包括：计算所述...

【技术特征摘要】
1.一种提取数据特征的方法，其特征在于，包括：
从目标存储器中读取第一特征提取参数，所述第一特征提取参数中包含目标神经网络中用于提取目标特征的网络参数经过第一量化处理得到的参数；
根据所述第一特征提取参数确定第二特征提取参数，所述第二特征提取参数包含M*N个参数，M和N为正整数；
从所述目标存储器中读取第一待提取特征数据；
根据所述第一待提取特征数据确定第二待提取特征数据，所述第二待提取特征数据包含M*N个数据，所述M*N个数据与所述M*N个参数一一对应；
使用目标处理器，对所述第二特征提取参数和所述第二待提取特征数据进行加法卷积运算，得到第一特征数据，所述加法卷积运算包括：计算所述M*N个参数中每个参数与对应数据的差值的绝对值，得到M*N个绝对值；计算所述M*N个绝对值的总和。


2.根据权利要求1所述的方法，其特征在于，所述第一待提取特征数据是初始待提取特征数据经过第二量化处理得到的数据，所述第二量化处理所使用的量化参数为第一量化参数，所述第一量化参数为对所述网络参数进行所述第一量化处理所使用的量化参数；
其中，所述根据所述第一特征提取参数确定第二特征提取参数，包括：将所述第一特征提取参数确定为所述第二特征提取参数；以及
所述根据所述第一待提取特征数据确定第二待提取特征数据，包括：将所述第一待提取特征数据确定为所述第二待提取特征数据；
并且，所述方法还包括：
根据所述第一量化参数对所述第一特征数据进行反量化处理，得到第二特征数据。


3.根据权利要求1所述的方法，其特征在于，所述第一待提取特征数据是初始待提取特征数据经过第二量化处理得到的数据；
其中，所述根据所述第一特征提取参数确定第二特征提取参数，包括：
从所述目标存储器中读取第一量化参数，所述第一量化参数为对所述网络参数进行所述第一量化处理所使用的量化参数；
根据所述第一量化参数对所述第一特征提取参数进行反量化，得到所述第二特征提取参数；
并且，所述根据所述第一待提取特征数据确定第二待提取特征数据，包括：
从所述目标存储器中读取第二量化参数，所述第二量化参数为对所述初始待提取特征数据进行所述第二量化处理所使用的量化参数；
根据所述第二量化参数对所述第一待提取特征数据进行反量化，得到所述第二待提取特征数据。


4.根据权利要求1至3中任一项所述的方法，其特征在于，所述目标处理器包括运算电路，所述运算电路包含第一子电路和第二子电路，所述第一子电路包含M*N个运算单元，所述M*N个运算单元与所述M*N个参数和所述M*N个数据分别一一对应；
所述M*N个运算单元中的每个运算单元用于计算对应参数与对应数据的差值的绝对值；
所述第二子电路用于计算和输出所述M*N个运算单元中所有运算单元输出的绝对值的总和，所述总和用于获取所述第二待提取特征数据中的所述目标特征的特征数据。


5.根据权利要求4所述的方法，其特征在于，所述每个运算单元包含第一输入端口、第二输入端口、加法器、比较器、选择器和输出端口；
对于所述每个运算单元，第一输入端口用于输入所述对应参数，第二输入端口用于输入所述对应数据；加法器用于计算和输出所述对应参数减去所述对应数据得到的第一差值和所述对应数据减去所述对应参数得到的第二差值；比较器用于比较所述对应参数和所述对应数据的大小，并在所述对应参数大于所述对应数据时输出第一比较结果，以及在所述对应数据大于或等于所述对应参数时输出第二比较结果；选择器用于在输入所述第一比较结果时输出所述第一差值，在输入所述第二比较结果时输出所述第二差值；输出端口用于输出所述选择器的输出。


6.根据权利要求5所述的方法，其特征在于，所述目标处理器还包括与所述运算电路连接的第一存储器、第二存储器和控制器；
所述第一存储器用于存储所述参数矩阵；
所述第二存储器用于存储所述数据矩阵；
所述控制器用于执行指令，使得：所述对应参数输入所述每个运算单元的第一输入端口，所述对应数据数据输入所述每个运算单元的第二输入端口，所述每个运算单元的加法器计算所述第一差值和所述第二差值，所述每个运算单元的比较器对所述第一数据和所述第一参数进行比较并输出第一比较结果或第二比较结果，所述每个运算单元的选择器在所述每个运算单元的比较器输出所述第一比较结果时输出所述第一差值以及在所述每个运算单元的比较器输出所述第二比较结果时输出所述第二差值，所述第二子电路计算并输出所述M个运算组中所有运算单元输出的差值的总和。


7.一种处理器，其特征在于，所述处理器包括运算电路，所述运算电路包含第一子电路和第二子电路，所述第一子电路包含M*N个运算单元，M和N为正整数；
所述M*N个运算单元中的每个运算单元用于计算输入所述每个运算单元的目标参数与输入所述每个运算单元的目标数据的差值的绝对值；
所述第二子电路用于计算和输出所述M*N个运算单元中所有运算单元输出的绝对值的总和。


8.根据权利要求7所述的处理器，其特征在于，所述每个运算单元包含第一输入端口、第二输入端口、加法器、比较器、选择器和输出端口；
对于所述每个运算单元，第一输入端口用于输入所述目标参数，第二输入端口用于输入所述目标数据；加法器用于计算和输出所述目标参数减去所述目标数据得到的第一差值和所述目标数据减去所述目标参数得到的第二差值；比较器用于比较所述目标参数和所述目标数据的大小，并在所述目标参数大于所述目标数据时输出第一比较结果，以及在所述目标数据大于或等于所述目标参数时输出第二比较结果；选择器用于在输入所述第一比较结果时输出所述第一差值，在输入所述第二比较结果时输出所述第二差值；...

【专利技术属性】
技术研发人员：韩凯，王云鹤，许春景，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44