神经网络的数据处理方法、系统、电子设备与存储介质技术方案

本申请公开一种神经网络的数据处理方法、系统、电子设备与存储介质。神经网络的数据处理方法包括，获取缓存容纳数量，缓存容纳数量为缓存对特征值的最大存储数量，缓存容纳数量大于2；获取神经网络输出的多个特征值，当多个特征值的数量大于缓存容纳数量时，将多个特征值分成多个特征值组，其中，每个特征值组包含的特征值数量小于或等于缓存容纳数量的一半；按照预设顺序载入各个特征值组，计算各个特征值组内部特征值的相似度和计算各个特征值组之间特征值的相似度，得到多个特征值之间的相似度。本申请有利于提高神经网络的运行速度，提高神经网络的数据处理性能。提高神经网络的数据处理性能。提高神经网络的数据处理性能。

【技术实现步骤摘要】
神经网络的数据处理方法、系统、电子设备与存储介质


[0001]本申请涉及人工智能
，具体涉及一种神经网络的数据处理方法、系统、电子设备与存储介质。

技术介绍

[0002]人工神经网络(Artificial Neural Networks，简写为ANNs)也简称为神经网络(NNs)。在执行识别类的神经网络中，通常神经网络会根据输入数据生成特定的特征值输出。而识别类的工作场景中，有一种特殊的聚类场景任务，需要对大量的特征值进行相似度计算，根据相似度进行分类。具体地，例如百度云相册或中移动和家相册，需要将千万级的生活照片按照生活场景分类，或者根据人脸特征值按照人脸聚类。在这些场景中，需要将大量特征值进行两两比对，实现相似度的计算。由于特征值的数量巨大，导致神经网络数据处理的耗时增加，神经网络的数据处理性能有待提高。

技术实现思路

[0003]基于此，为了解决或改善现有技术的问题，本申请提供一种神经网络的数据处理方法、系统、电子设备与存储介质，可以提高神经网络的数据处理性能。
[0004]第一方面，提供一种神经网络的数据处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种神经网络的数据处理方法，其特征在于，包括：获取缓存容纳数量，所述缓存容纳数量为缓存对特征值的最大存储数量，所述缓存容纳数量大于2；获取神经网络输出的多个特征值，当所述多个特征值的数量大于所述缓存容纳数量时，将所述多个特征值分成多个特征值组，其中，每个所述特征值组包含的特征值数量小于或等于所述缓存容纳数量的一半；按照预设顺序载入各个特征值组，计算各个特征值组内部特征值的相似度和计算各个特征值组之间特征值的相似度，得到所述多个特征值之间的相似度。2.根据权利要求1所述的神经网络的数据处理方法，其特征在于，所述按照预设顺序载入各个特征值组，计算各个特征值组内部特征值的相似度和计算各个特征值组之间特征值的相似度，包括：对所述多个特征值组中的各个特征值组进行编号；执行第一循环过程，所述第一循环过程包括：将第i特征值组载入缓存中，计算第i特征值组内部特征值之间的相似度，执行第二循环过程；所述第二循环过程包括：保持所述第i特征值组在所述缓存中不动，将第j特征值组载入所述缓存中，计算第i特征值组中各个特征值与第j特征值组中各个特征值的相似度，将第j特征值组调出所述缓存，将第j+1特征值组载入缓存中，计算第i特征值组中各个特征值与第j+1特征值组中各个特征值的相似度；其中，第一循环过程中，i依次取1至n的自然数，n为所述多个特征值组中特征值组的数量；第二循环过程中，j依次取i+1至n
‑
1的自然数。3.根据权利要求1所述的神经网络的数据处理方法，其特征在于，所述多个特征值组包括第一特征值组、第二特征值组和第三特征值组；所述按照预设顺序载入各个特征值组，计算各个特征值组内部特征值的相似度和计算各个特征值组之间特征值的相似度，包括：将第一特征值组输入所述缓存中，并计算第一特征值组中各个特征值之间的相似度；将第二特征值组载入所述缓存中，使所述缓存中存储有第一特征值组和第二特征值组，计算第一特征值组中各个特征值与第二特征值组中各个特征值之间的相似度；将所述第三特征值组载入所述缓存中，使所述缓存中存储有所述第一特征值组和所述第三特征值组，计算所述第一特征值组中各个特征值与所述第三特征值组中各个特征值之间的相似度。4.根据权利要求3所述的神经网络的数据处理方法，其特征在于，所述第二数量与所述第三数量之和...

【专利技术属性】
技术研发人员：肖海云，周有喜，
申请(专利权)人：新疆爱华盈通信息技术有限公司，
类型：发明
国别省市：