【技术实现步骤摘要】
用于卷积的方法、计算设备和计算机可读存储介质
本公开的实施例总体上涉及机器学习领域，更具体地涉及一种用于卷积的方法、计算设备和计算机可读存储介质。
技术介绍
人工智能中的一种典型计算为卷积计算。卷积计算是将卷积核中的权重和对应的输入像素块相乘再相加进而生成对应输出特征的值。在进行块卷积(BlockConvolution)时，往往会丢失图像周边的像素。当使用小内核时，对于任何给定的卷积，可能只会损失几个像素。然而，当应用许多连续的卷积层时，如果每层都有丢失，最后图像丢失可能会很严重。因此，在进行卷积前，通常会通过在输入的原始图像的边界周围添加额外的像素，即对原始图像进行填充(Padding)，然后再对经填充的填充图像进行卷积，从而通过增加图像的有效尺寸，以避免像素信息丢失。
技术实现思路
本公开提供了一种用于卷积的方法、计算设备和计算机可读存储介质，能够提供一种用于卷积计算的像素填充的高速缓存实现。根据本公开的第一方面，提供了一种用于卷积的方法。该方法包括：确定用于存储填充块的多条高速缓存线...
【技术保护点】
1.一种用于卷积的方法，包括：/n确定用于存储填充块的多条高速缓存线，所述填充块为组成填充图像的多个填充块中的一个填充块，并且所述填充块包括多个像素；以及/n基于过滤器的大小，从所述多条高速缓存线中的至少一条高速缓存线存储的像素集合中确定属于所述填充块的像素，所述过滤器用于对所述填充图像进行卷积。/n
【技术特征摘要】
1.一种用于卷积的方法，包括：
确定用于存储填充块的多条高速缓存线，所述填充块为组成填充图像的多个填充块中的一个填充块，并且所述填充块包括多个像素；以及
基于过滤器的大小，从所述多条高速缓存线中的至少一条高速缓存线存储的像素集合中确定属于所述填充块的像素，所述过滤器用于对所述填充图像进行卷积。
2.根据权利要求1所述的方法，其中确定属于所述填充块的像素包括：
基于所述过滤器的大小确定填充大小；以及
基于所述填充大小，从所述多条高速缓存线中的至少一条高速缓存线存储的像素集合中确定属于所述填充块的像素。
3.根据权利要求1所述的方法，确定用于存储填充块的多条高速缓存线包括：
基于所述填充块的类型，确定用于存储填充块的多条高速缓存线。
4.根据权利要求1所述的方法，确定属于所述填充块的像素包括：
通过使用所述多个高速缓存线的虚拟地址，从所述多条高速缓存线中的至少一条高速缓存线存储的像素集合中确定属于所述填充块的像素。
5.根据权利要求1所述的方法，还包括将确定的属于所述填充图像的像素加载到像素缓冲区。
6.根据权利要求1所述的方法，还包括：
将与所述填充图像的权重有关的信息加载到权重缓冲区。
7.根据权利要求1所述的方法，其中所述原始图像为8*8像素。
8.根据权利要求1所述的方法，其中多个填充块中的一个填充块为8*8像素。
9.根据权利要求1所述的方法，其中所述多条高速缓存线包括第一高速缓存线、第二高速缓存线、第三...
【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：上海壁仞智能科技有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。