数据处理方法、装置、电子设备及可读存储介质制造方法及图纸

本申请公开了一种数据处理方法、装置、卷积适配器及计算机可读存储介质，该方法应用于卷积适配器，卷积适配器设置于外部存储和计算单元的内部缓存之间，方法包括：获取寄存器数据；其中，寄存器数据基于目标数据的数据类型和/或应用目标数据的卷积处理的卷积类型确定，用于描述对目标数据的读取方式；基于寄存器数据，从外部存储中读出目标数据，并按照数据读出先后顺序将目标数据存入内部缓存；通过与数据类型或卷积类型相对应的数据读出方式，在数据读出和存入过程中完成对目标数据到通用格式的转换，使得计算单元可以直接从内部缓存中获取通用形式下的目标数据进行计算，无需进行数据的变形，提高了计算效率。提高了计算效率。提高了计算效率。

【技术实现步骤摘要】
数据处理方法、装置、电子设备及可读存储介质


[0001]本申请涉及神经网络
，特别涉及一种数据处理方法、数据处理装置、电子设备及计算机可读存储介质。

技术介绍

[0002]卷积神经网络的基本运算为乘加运算，计算量大，且在同一个卷积层内的乘加运算相关性较小，很容易进行并行扩展，如在AI（Artificial Intelligence，人工智能）芯片内堆放很多个算数运算单元（ALU，Arithmetic and Logic Unit，主要是指乘加运算），实现单指令多数据（SIMD）或单指令多线程的并行架构，或者数据流处理的空间架构。AI芯片要能够适配各种卷积神经网络，包括1D/2D/3D卷积、空洞卷积、反卷积、转置卷积、深度可分离卷积、分组卷积、混洗卷积、扁平卷积、可变形卷积等。这些卷积的基本运算虽然相同，但卷积前需要不同的数据变形处理。数据变形处理使得AI芯片的运算效率较低。
[0003]因此，相关技术存在的运算效率低的问题，是本领域技术人员需要解决的技术问题。

技术实现思路

[0004]有鉴于此，本申请的目的在于提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，应用于卷积适配器，所述卷积适配器设置于外部存储和计算单元的内部缓存之间，所述方法包括：获取寄存器数据；其中，所述寄存器数据基于目标数据的数据类型和/或应用所述目标数据的卷积处理的卷积类型确定，用于描述对所述目标数据的读取方式；基于所述寄存器数据，从所述外部存储中读出所述目标数据，并按照数据读出先后顺序将所述目标数据存入所述内部缓存。2.根据权利要求1所述的数据处理方法，其特征在于，所述寄存器数据包括跳转步长数据和跳转循环控制数据；所述从所述外部存储中读出所述目标数据，包括：基于循环次数确定目标地址；在所述外部存储中，基于所述目标地址和所述跳转步长数据执行跳转读取操作；当跳转读取操作的跳转次数与所述跳转循环控制数据相匹配，则更新所述循环次数；若所述循环次数与所述跳转循环控制数据相匹配，则确定所述目标数据读取完成。3.根据权利要求1所述的数据处理方法，其特征在于，所述寄存器数据为多组，每组所述寄存器数据中包括下一寄存器指针数据；若所述数据类型为地址离散数据，则所述寄存器数据的生成过程，包括：确定所述目标数据对应的多个非连续的地址区间；基于不同的所述地址区间，生成多组不同的所述寄存器数据；基于所述地址区间的顺序关系，设置各个所述寄存器数据中的所述下一寄存器指针数据，以便前一组寄存器数据中的下一寄存器指针数据指向下一组寄存器数据的地址。4.根据权利要求1所述的数据处理方法，其特征在于，所述寄存器数据包括跳转步长数据和跳转循环控制数据；若所述数据类型为拆分类型，或所述卷积类型为拆分卷积，则所述寄存器数据的生成过程，包括：基于所述目标数据的拆分方式，或所述卷积类型，确定对所述目标数据的拆分方向；基于所述拆分方向确定所述跳转步长数据和跳转循环控制数据；利用所述跳转步长数据和跳转循环控制数据生成所述寄存器数据。5.根据权利要求1所述的数据处理方法，其特征在于，所述寄存器数据包括跳转步长数据和跳转循环控制数据；若所述数据类型为二维数据，则所述寄存器数据的生成过程，包括：若所述目标数据为二维乘数数据，则将所述跳转步长数据和跳转循环控制数据设置为默认值；若所述目标数据为二维被乘数数据，则基于所述目标数据的行向量元素数设置所述跳转步长数据，并基于所述目标数据的列向量元素数设置所述跳转循环控制数据。6.根据权利要求1所述的数据处理方法，其特征在于，若所述卷积类型为反卷积，则所述寄存器数据的生成过程，包括：确定横向跳转步长和纵向跳转步长；利用所述横向跳转步长和所述纵向跳转步长，基于卷积核确定卷积矩阵；基于所述卷积矩阵中各个元素在所述卷积核中的坐标位置，生成所述寄存器数据。
...

【专利技术属性】
技术研发人员：贾兆荣，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：