【技术实现步骤摘要】
基于卷积的数据处理方法和设备
[0001]本申请涉及人工智能
,具体涉及一种基于卷积的数据处理方法和设备。
技术介绍
[0002]随着人工智能技术的发展,智能的运算设备开始得到广泛的应用,可以将智能的运算设备应用到各类
中,例如应用到大数据处理领域、算力领域、图像处理领域。并且,由于深度学习已经成为了人工智能技术中重要算法,运算设备逐渐开始运行深度学习算法中的卷积神经网络算法,完成数据运算。
[0003]现有技术中,运算设备在运行卷积神经网络算法进行数据运算的时候,运算设备需要读取一个窗口大小下的特征数据,并且读取一个卷积核存储单元;然后,运算设备将一个窗口大小下的特征数据与一个卷积核存储单元之间进行卷积运算。运算设备再读取下一个窗口大小下的特征数据,并且读取下一个卷积核存储单元,将此时读取的特征数据与卷积核存储单元之间进行卷积运算。以此类推。进而运算设备完成数据运算。
[0004]然而现有技术中,运算设备在运行卷积神经网络算法进行数据运算的时候,运算设备需要对特征数据和卷积核存储单元进行多次的读取,读取次数较高;会使得运算设备的内部数据传输带宽的占用较多,对内部数据传输带宽的需求较高;甚至在运算设备进行卷积运算的时候,影响到其他的数据传输和数据过程。
技术实现思路
[0005]基于此,有必要针对上述技术问题,提供一种基于卷积的数据处理方法和设备。
[0006]第一方面,本申请提供了一种基于卷积的数据处理方法,包括:
[0007]读取卷积阵列中的各卷积核存储 ...
【技术保护点】
【技术特征摘要】
1.一种基于卷积的数据处理方法,其特征在于,包括:读取卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元,并读取待处理数据中的各移动窗口下的与所述卷积维度对应的特征数据;其中,所述待处理数据为数据矩阵,所述待处理数据中包括至少一个特征数据,所述卷积阵列中包括至少一个卷积核存储单元,每一所述卷积核存储单元中包括不同卷积维度上的权重参数单元;将所述各移动窗口下的与所述卷积维度对应的特征数据、与卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元之间分别进行卷积运算,得到各输出数据;根据在各所述特征数据上所得到的输出数据,得到各输出维度上的数据组合,以得到输出数据,其中,所述输出数据包括每一所述输出维度上的数据组合。2.根据权利要求1所述的方法,其特征在于,读取卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元,包括:重复执行以下步骤,直至读取完卷积阵列中的各卷积核存储单元的权重参数单元,其中,i和j的初始值为0:在每一个时钟周期内,读取所述卷积阵列中的第i个卷积核存储单元的第j个卷积维度上的权重参数单元;若i小于I,则确定i累加1;若i等于I,则确定i=0,并且j累加1;其中,i为大于等于0、小于等于I的整数,j为大于等于0、小于等于J的整数;I为一个卷积阵列中的卷积核存储单元的个数总和,J为卷积核存储单元的卷积维度的总个数,I、J为大于等于1的整数。3.根据权利要求2所述的方法,其特征在于,所述读取待处理数据中的各移动窗口下的与所述卷积维度对应的特征数据,包括:重复执行以下步骤,直至读取完所述待处理数据中的特征数据,其中,m和j的初始值为0:在所述每一个时钟周期内,读取第m个移动窗口下的与第j个卷积维度对应的特征数据;若m小于M,则确定m累加1;若m等于M,则确定M=0,并且j累加1;其中,m为大于等于0、小于等于M的整数,M为移动窗口的总个数,M为大于等于1的整数。4.根据权利要求3所述的方法,其特征在于,将所述各移动窗口下的与所述卷积维度对应的特征数据、与卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元之间分别进行卷积运算,得到各输出数据,包括:在所述每一个时钟周期内,将已经读取到的各卷积核存储单元的第j个卷积维度上的权重参数单元、已经读取到的各移动窗口下的与第j个卷积维度对应的特征数据之间进行卷积运算,得到各输出数据。5.根据权利要求4所述的方法,其特征在于,所述进行卷积运算,得到各输出数据,包括:运行winograd算法进行卷积运算,得到各输出数据。6.根据权利要求1-5任一项所述的方法,其特征在于,在所述读取待处理数据中的各移
动窗口下的与所述卷积维度对应的特征数据之前,还包括:获取所述待处理数据,将所述待处理数据存储至缓存中。7.根据权利要求1-5任一项所述的方法,其特征在于,在所述读取卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元之前,还包括:获取多个卷积核存储单元;将所述多个卷积核存储单元,构建出所述卷积阵列。8.一种运算设备,其特征在于,包括:处理器;所述处理器,用于:读取卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元,并读取待处理数据中的各移动窗口下的与所述卷积维度对应的特征数据;其中,所述待处理数据为数据矩阵,所述待处理数据中包括至少一个特征数据,所述卷积阵列中包括至少一个卷积核存储单元,每一所述卷积核存储单元中包括不同卷积维度上的权重参数单元;将所述各移动窗口下的与所述卷积维度对应的特征数据、与卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元之间分别进行卷积运算,得到各输出数据;根据...
【专利技术属性】
技术研发人员:屈家丽,霍元宏,沈广冲,张广飞,
申请(专利权)人:北京比特大陆科技有限公司,
类型:发明
国别省市:
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。