【技术实现步骤摘要】
神经网络的处理方法、装置、电子设备和存储介质
[0001]本申请涉及深度学习、语音技术等AI(Artificial Intelligence,人工智能)领域,尤其涉及神经网络的处理方法、装置、电子设备和存储介质。
技术介绍
[0002]语音芯片和NPU(Network Processing Unit,神经网络单元)的设计中,包含大量的神经网络运算。为了提升神经网络的表达能力,可以通过激活函数增加神经网络的非线性。常见的非线性激活函数比如sigmoid函数和tanh函数是需要进行浮点的超越函数运算的。
[0003]目前使用标准浮点库进行上述非线性激活函数的计算,在计算过程中,由于需要计算超越函数,通常需要400
‑
1000个CPU(Central Processing Unit,中央处理器)时钟周期才能完成超越函数的运算。然而,神经网络中会用到大量的sigmoid函数和tanh函数,采用上述方式计算非线性激活函数,不仅需要占用大量的内存,而且计算效率较低。
技术实现思路
[0004]本申请提供了一种用于神经网络的处理方法、装置、电子设备和存储介质。
[0005]根据本申请的一方面,提供了一种神经网络的处理方法,包括:
[0006]获取神经网络的非线性激活函数的第一输入信息;
[0007]根据所述第一输入信息查询映射表,确定与所述第一输入信息匹配的目标输入信息,以及与所述目标输入信息对应的目标输出信息;
[0008]获取所述非线性激活函数的变化趋势 ...
【技术保护点】
【技术特征摘要】
1.一种神经网络的处理方法,包括:获取神经网络的非线性激活函数的第一输入信息;根据所述第一输入信息查询映射表,确定与所述第一输入信息匹配的目标输入信息,以及与所述目标输入信息对应的目标输出信息;获取所述非线性激活函数的变化趋势特征;根据所述目标输入信息、目标输出信息、所述第一输入信息,以及所述变化趋势特征,确定所述非线性激活函数中与所述第一输入信息对应的第一输出信息。2.根据权利要求1所述的方法,其中,所述根据所述目标输入信息、目标输出信息、所述第一输入信息,以及所述变化趋势特征,确定所述非线性激活函数中与所述第一输入信息对应的第一输出信息,包括:根据所述变化趋势特征,对所述非线性激活函数进行拟合,得到目标函数;根据所述目标输入信息、目标输出信息和所述第一输入信息,确定所述目标函数的第二输出信息;将所述目标函数的第二输出信息,作为所述非线性激活函数中与第一输入信息对应的第一输出信息。3.根据权利要求2所述的方法,其中,所述变化趋势特征包括第一变化趋势特征和第二变化趋势特征,其中,所述第二变化趋势特征为对所述第一变化趋势特征进行特征提取后得到的;所述根据所述变化趋势特征,对所述非线性激活函数进行拟合,得到目标函数,包括:确定与所述第一输入信息的差异处于预设范围内的第二输入信息;根据所述非线性激活函数中与所述第二输入信息对应的第三输出信息,确定所述目标函数的第一项;根据所述第二输入信息和所述第一变化趋势特征,确定第一中间信息;根据所述第一输入信息与所述第二输入信息的差异,以及根据所述第一中间信息,确定所述目标函数的第二项;根据所述第二输入信息和所述第二变化趋势特征,确定第二中间信息;根据所述第一输入信息与所述第二输入信息的差异,以及根据所述第二中间信息,确定所述目标函数的第三项;根据所述第一项、所述第二项和所述第三项,确定所述目标函数。4.根据权利要求3所述的方法,其中,所述根据所述目标输入信息、目标输出信息和所述第一输入信息,确定所述目标函数的第二输出信息,包括:将所述目标输入信息作为所述目标函数中的所述第二输入信息;将所述目标输出信息作为所述非线性激活函数中与所述第二输入信息对应的第三输出信息;分别将所述目标输入信息、目标输出信息和所述第一输入信息,代入所述目标函数,得到所述目标函数的第二输出信息。5.根据权利要求2所述的方法,其中,所述根据所述目标输入信息、目标输出信息和所述第一输入信息,确定所述目标函数的第二输出信息之前,所述方法还包括:将浮点型的所述目标输出信息转化为整型的所述目标输出信息。
6.根据权利要求5所述的方法,其中,所述根据所述目标输入信息、目标输出信息和所述第一输入信息,确定所述目标函数的第二输出信息之后,所述方法还包括:将整型的所述目标函数的第二输出信息转化为浮点型的所述第二输出信息。7.根据权利要求1所述的方法,其中,所述映射表中存储处于设定取值范围内的设定个数的输入信息,与所述非线性激活函数中对应的输出信息之间的对应关系,所述根据所述第一输入信息查询映射表,确定与所述第一输入信息匹配的目标输入信息,以及与所述目标输入信息对应的目标输出信息之前,所述方法还包括:确定所述第一输入信息处于所述设定取值范围内。8.根据权利要求7所述的方法,其中,所述设定取值范围为0至设定取值,所述方法还包括:在所述第一输入信息大于所述设定取值的情况下,确定浮点型的所述第一输出信息为1。9.一种神经网络的处理装置,包括:第一获取模块,用于获取神经网络的非线性激活函数的第一输入信息;第一确定模块,用于根据所述第一输入信息...
【专利技术属性】
技术研发人员:田超,贾磊,纪纲,严小平,李强,
申请(专利权)人:北京百度网讯科技有限公司,
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。