特征图全连接卷积方法、装置、可读存储介质及电子设备制造方法及图纸

本公开公开了一种特征图全连接卷积方法，包括：基于特征图和第一卷积核，确定第一卷积核中与特征图对应的多个权重值；基于第一卷积核中的多个权重值以及多个权重值与特征图的对应关系，确定第二卷积核；基于预定尺寸和第二卷积核的尺寸，确定第二卷积核的多个待补充权重值以及所待补充权重值与第二卷积核对应的位置；基于第二卷积核、待补充权重值以及待补充权重值的位置，确定预定尺寸的第三卷积核；采用第三卷积核对特征图进行全连接卷积计算。本公开的技术方案能够不对特征图进行调整和填充即可实现特征图的全连接卷积，能够节省对特征图进行调整和填充的计算资源，同时由于特征图不需要填充，能够保持较小的尺寸，节省特征图所占的内存空间。

【技术实现步骤摘要】
特征图全连接卷积方法、装置、可读存储介质及电子设备
本公开涉及神经网络计算
，尤其涉及一种特征图全连接卷积方法、装置、可读存储介质及电子设备。
技术介绍
在神经网络模型结构例如CNN卷积神经网络模型结构的设计中，在网络结构的最后几层，通常会出现一些全连接卷积。对于上述的设计，在应用过程中，由于一专用的硬件平台的指令集架构不支持全连接，只能用普通卷积进行模拟全连接计算，而普通卷积只支持奇数大小的卷积核，比如3x3、5x5、7x7等。当网络结构需要对偶数大小的特征图做全连接时，需要采用比特征图尺寸大且大小尺寸为奇数的卷积核对特征图做卷积，此时，由于硬件平台的指令集架构对特征图填充的限制，需要对特征图进行特定行或列的填充，从而需要额外的指令对数据排列进行调整，同时也会增加特征图对内存的空间占用。
技术实现思路
为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种特征图全连接卷积方法、装置、可读存储介质及电子设备，能够将第三卷积核中的有效权重值设置在与特征图对应的位置，从而采用第三卷积核直接对特征图进行全连接卷积，减少本文档来自技高网...

【技术保护点】
1.一种特征图全连接卷积方法，包括：/n基于特征图和第一卷积核，确定所述第一卷积核中与所述特征图对应的多个权重值；/n基于所述第一卷积核中的所述多个权重值以及所述多个权重值与所述特征图的对应关系，确定第二卷积核；/n基于预定尺寸和所述第二卷积核的尺寸，确定所述第二卷积核的多个待补充权重值以及所述所待补充权重值与所述第二卷积核对应的位置；/n基于所述第二卷积核、所述待补充权重值以及待补充权重值的位置，确定预定尺寸的第三卷积核；/n采用所述第三卷积核对所述特征图进行全连接卷积计算。/n

【技术特征摘要】
1.一种特征图全连接卷积方法，包括：
基于特征图和第一卷积核，确定所述第一卷积核中与所述特征图对应的多个权重值；
基于所述第一卷积核中的所述多个权重值以及所述多个权重值与所述特征图的对应关系，确定第二卷积核；
基于预定尺寸和所述第二卷积核的尺寸，确定所述第二卷积核的多个待补充权重值以及所述所待补充权重值与所述第二卷积核对应的位置；
基于所述第二卷积核、所述待补充权重值以及待补充权重值的位置，确定预定尺寸的第三卷积核；
采用所述第三卷积核对所述特征图进行全连接卷积计算。


2.根据权利要求1所述的方法，其中，所述待补充权重值的位置包括：在所述第二卷积核最后一行之后的至少一行和在所述第二卷积核的最后一列之后的至少一列。


3.根据权利要求1所述的方法，其中，所述多个待补充权重值均为零。


4.根据权利要求1所述的方法，其中，所述采用第三卷积核对所述特征图进行全连接卷积计算包括：
将所述第三卷积核的第一行与所述特征图的第一行对应，将所述第三卷积核的第一列与所述特征图的第一列对应；
基于所述第三卷积核与所述特征图的对应关系，采用第三卷积核对所述特征图进行卷积计算。


5.根据权利要求1所述述的方法，其中，与所述特征图对应的多个权重值包括除所述第一卷积核中至少前一行权重值和至少前一列权重值之外的多个权重值。


6.根据权利要求1所述的方法，其中，所述第一卷积核的尺寸大于所述特征图的尺寸。


7.根据权利要求...

【专利技术属性】
技术研发人员：李德林，李建军，王振江，
申请(专利权)人：地平线上海人工智能技术有限公司，
类型：发明
国别省市：上海;31