【技术实现步骤摘要】
神经网络数据流控制方法、装置、电子设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种神经网络数据流控制方法、装置、电子设备及存储介质。
技术介绍
神经网络是一种人工智能机器学习技术，尤其是深度卷积神经网络受到了广泛的关注，在语音识别、自然语言处理和智能图像处理，特别是图像识别领域，深度卷积神经网络取得了一些显著的成果。但是，常用的网络模型在计算量上均达到了10亿量级，同时参数量上达到了上百兆的量级，因此无论是神经网络模型的训练还是识别，通常需要高性能的GPU、大容量的存储设备或者大功率的服务器集群为其提供计算和存储的硬件架构支持。现有的硬件架构中通常使用CPU、GPU来进行计算，一方面其采用的是指令集架构，必须要有指令集的支持，但指令的获取、译码等操作与计算无关，会降低神经网络大量数据计算的效率。另一方面，这样的硬件架构的各计算模块是彼此独立的，模块之间的逻辑关系是固定的，比如专门负责卷积运算的模块，单独负责激活函数的模块等，各模块独自计算并将计算结果写入片内或者片外存储，然后其他模块再来读取数据，反复访问...
【技术保护点】
1.一种神经网络数据流控制方法，其特征在于，包括以下步骤：/n获取神经网络数据流控制指令，所述神经网络数据流控制指令包括数据流计算方向控制指令、第一神经网络控制指令、第二神经网络控制指令，所述第一神经网络控制指令用于控制第一神经网络计算模块，所述第二神经网络控制指令用于控制第二神经网络计算模块；/n根据所述数据流计算方向控制指令确定数据流在所述第一神经网络计算模块和所述第二神经网络计算模块之间的计算方向；/n基于所述计算方向，通过所述第一神经网络控制指令和第二神经网络控制指令控制所述第一神经网络计算模块和所述第二神经网络计算模块进行数据流计算。/n
【技术特征摘要】
1.一种神经网络数据流控制方法，其特征在于，包括以下步骤：
获取神经网络数据流控制指令，所述神经网络数据流控制指令包括数据流计算方向控制指令、第一神经网络控制指令、第二神经网络控制指令，所述第一神经网络控制指令用于控制第一神经网络计算模块，所述第二神经网络控制指令用于控制第二神经网络计算模块；
根据所述数据流计算方向控制指令确定数据流在所述第一神经网络计算模块和所述第二神经网络计算模块之间的计算方向；
基于所述计算方向，通过所述第一神经网络控制指令和第二神经网络控制指令控制所述第一神经网络计算模块和所述第二神经网络计算模块进行数据流计算。
2.如权利要求1所述的方法，其特征在于，所述根据所述数据流计算方向控制指令确定数据流在所述第一神经网络计算模块和所述第二神经网络计算模块之间的计算方向包括：
如果所述数据流计算方向控制指令符合预设第一计算方向值，则确定所述计算方向为从所述第一神经网络计算模块到所述第二神经网络计算模块；
如果所述数据流计算方向控制指令符合预设第二计算方向值，则确定所述计算方向为从所述第二神经网络计算模块到所述第一神经网络计算模块。
3.如权利要求2所述的方法，其特征在于，所述基于所述计算方向，通过所述第一神经网络控制指令和第二神经网络控制指令控制所述第一神经网络计算模块和所述第二神经网络计算模块进行数据流计算，包括：
如果所述计算方向为从所述第一神经网络计算模块到所述第二神经网络计算模块，则根据所述第一神经网络控制指令控制所述第一神经网络计算模块进行数据计算，得到第一计算结果；
基于所述第一计算结果，根据所述第二神经网络控制指令控制所述第二神经网络计算模块进行数据流计算，得到第二计算结果。
4.如权利要求3所述的方法，其特征在于，所述基于所述计算方向，通过所述第一神经网络控制指令和第二神经网络控制指令控制所述第一神经网络计算模块和所述第二神经网络计算模块进行数据流计算，还包括：
如果所述计算方向为从所述第二神经网络计算模块到所述第一神经网络计算模块，则根据所述第二神经网络控制指令控制所述第二神经网络计算模块进行数据计算，得到第一计算结果；
基于所述第一计算结果，根据所述第一神经网络控制指令控制所述第一神经网络计算模块进行数据流计算，得到第二计算结果。
5.如权利要求4所述的方法，其特征在于，所述神经网络数据流控制指令还包括输出控制指令...
【专利技术属性】
技术研发人员：王佳东，李远超，蔡权雄，牛昕宇，
申请(专利权)人：山东产研鲲云人工智能研究院有限公司，
类型：发明
国别省市：山东;37
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。