计算机中任务数据处理方法、装置、计算机设备和介质制造方法及图纸

本申请涉及一种计算机中任务数据处理方法、装置、计算机设备和介质。该方法包括：获取计算任务对应的SK算法矩阵；基于SK算法矩阵中每一行的元素和，对SK算法矩阵中的每一行的元素进行行缩放，并将缩放后的行元素缓存至预设数组；根据预设数组中缓存的元素，得到对行缩放后的SK算法矩阵进行列缩放的缩放因子；基于缩放因子，对行缩放后的SK算法矩阵进行列缩放，得到缩放后的SK算法矩阵；根据缩放后的SK算法矩阵进行SK算法处理，得到任务数据处理结果。采用本方法能够提高任务数据处理效率。果。采用本方法能够提高任务数据处理效率。果。采用本方法能够提高任务数据处理效率。

【技术实现步骤摘要】
计算机中任务数据处理方法、装置、计算机设备和介质


[0001]本申请涉及计算机
，特别是涉及一种计算机中任务数据处理方法、装置、计算机设备、存储介质以及程序产品。

技术介绍

[0002]随着计算机技术的发展，出现了大数据技术。在大数据技术应用中，计算机需要对海量的任务数据进行处理，针对这些任务数据处理，目前已有学者提出了不少的任务数据处理算法，而Sinkhorn
‑
Knopp(SK)算法就是其中极具代表性的算法。
[0003]简单来说，Sinkhorn
‑
Knopp(SK)算法是一种迭代算法，SK算法在人工智能(artificial intelligence，AI)领域中获得了越来越多的关注，通常地，SK算法可以应用于计算机中，以处理最优传输问题、计算机视觉、词移动距离等对应的计算任务。通常地，计算机先将计算任务对应的矩阵以行形式存储在缓存中，通过SK算法对矩阵中的每一行的元素进行求和后，在基于得到的和对矩阵中的每一行的元素进行行缩放，进而，对行缩放后的矩阵进行每一列的元素求和后，基于每一列的元素的和，对行缩放后的矩阵进行列缩放，从而可以得到满足迭代需求的任务处理结果。
[0004]然而，SK算法对行缩放后的矩阵进行列缩放时，需要重复读取进行行缩放后的矩阵中的所有行元素后，才能得到列缩放所需要的列元素，进而在求和后才能对行缩放后的矩阵中的列元素进行列缩放，这使得任务数据处理效率极低。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种高效的计算机中任务数据处理方法、装置、计算机设备、存储介质以及程序产品。
[0006]第一方面，本申请提供一种计算机中任务数据处理方法，所述方法包括：
[0007]获取计算任务对应的SK算法矩阵；
[0008]基于所述SK算法矩阵中每一行的元素和，对所述SK算法矩阵中的每一行的元素进行行缩放，并将缩放后的行元素缓存至预设数组；
[0009]根据所述预设数组中缓存的元素，得到对行缩放后的所述SK算法矩阵进行列缩放的缩放因子；
[0010]基于所述缩放因子，对行缩放后的所述SK算法矩阵进行列缩放，得到缩放后的所述SK算法矩阵；
[0011]根据所述缩放后的所述SK算法矩阵进行SK算法处理，得到任务数据处理结果。
[0012]在其中一个实施例中，所述根据所述预设数组中缓存的元素，得到对行缩放后的所述SK算法矩阵进行列缩放的缩放因子，包括：
[0013]累加所述预设数组中每一列的元素，并分别计算预设元素与所述预设数组中每一列元素的和的比值，得到所述行缩放后的所述SK算法矩阵中每一列的元素的缩放因子。
[0014]在其中一个实施例中，所述基于所述缩放因子，对行缩放后的所述SK算法矩阵进
行列缩放，得到缩放后的所述SK算法矩阵，包括：
[0015]对所述行缩放后的所述SK算法矩阵按照预设行维度以及预设列维度进行分块处理后，得到多个子矩阵；
[0016]分别计算所述缩放因子和每个所述子矩阵中的元素的乘积，得到每个所述子矩阵对应的列缩放后的元素；
[0017]组合多个所述子矩阵对应的列缩放后的元素，得到缩放后的所述SK算法矩阵。
[0018]在其中一个实施例中，所述分别计算所述缩放因子和每个所述子矩阵中的元素的乘积，得到每个所述子矩阵对应的列缩放后的元素，包括：
[0019]调用列缩放对应的指令集；
[0020]基于所述指令集，分别计算所述缩放因子和每个所述子矩阵中的元素的乘积，得到每个所述子矩阵对应的列缩放后的元素。
[0021]在其中一个实施例中，所述基于所述指令集，分别计算所述缩放因子和每个所述子矩阵中的元素的乘积，得到每个所述子矩阵对应的列缩放后的元素，包括：
[0022]将所述指令集中的指令在微内核中进行重排序，得到重排序后的所述指令集；
[0023]根据所述重排序后的所述指令集，分别计算所述缩放因子和每个所述子矩阵中的元素的乘积，得到每个所述子矩阵对应的列缩放后的元素。
[0024]在其中一个实施例中，所述指令集为x86架构的AVX256指令集。
[0025]第二方面，本申请提供一种计算机中任务数据处理装置，所述装置包括：获取模块、缓存模块、计算模块以及处理模块，
[0026]所述获取模块，用于获取计算任务对应的SK算法矩阵；
[0027]所述缓存模块，用于基于所述SK算法矩阵中每一行的元素和，对所述SK算法矩阵中的每一行的元素进行行缩放，并将缩放后的行元素缓存至预设数组；
[0028]所述计算模块，用于根据所述预设数组中缓存的元素，得到对行缩放后的所述SK算法矩阵进行列缩放的缩放因子；
[0029]所述处理模块，用于基于所述缩放因子，对行缩放后的所述SK算法矩阵进行列缩放，得到缩放后的所述SK算法矩阵；根据所述缩放后的所述SK算法矩阵进行SK算法处理，得到任务数据处理结果。
[0030]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0031]获取计算任务对应的SK算法矩阵；
[0032]基于所述SK算法矩阵中每一行的元素和，对所述SK算法矩阵中的每一行的元素进行行缩放，并将缩放后的行元素缓存至预设数组；
[0033]根据所述预设数组中缓存的元素，得到对所述行缩放后的所述SK算法矩阵进行列缩放的缩放因子；
[0034]基于所述缩放因子，对行缩放后的所述SK算法矩阵进行列缩放，得到缩放后的所述SK算法矩阵；
[0035]根据所述缩放后的所述SK算法矩阵进行SK算法处理，得到任务数据处理结果。
[0036]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0037]获取计算任务对应的SK算法矩阵；
[0038]基于所述SK算法矩阵中每一行的元素和，对所述SK算法矩阵中的每一行的元素进行行缩放，并将缩放后的行元素缓存至预设数组；
[0039]根据所述预设数组中缓存的元素，得到对行缩放后的所述SK算法矩阵进行列缩放的缩放因子；
[0040]基于所述缩放因子，对行缩放后的所述SK算法矩阵进行列缩放，得到缩放后的所述SK算法矩阵；
[0041]根据所述缩放后的所述SK算法矩阵进行SK算法处理，得到任务数据处理结果。
[0042]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0043]获取计算任务对应的SK算法矩阵；
[0044]基于所述SK算法矩阵中每一行的元素和，对所述SK算法矩阵中的每一行的元素进行行缩放，并将缩放后的行元素缓存至预设数组；
[0045]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机中任务数据处理方法，其特征在于，所述方法包括：获取计算任务对应的SK算法矩阵；基于所述SK算法矩阵中每一行的元素和，对所述SK算法矩阵中的每一行的元素进行行缩放，并将缩放后的行元素缓存至预设数组；根据所述预设数组中缓存的元素，得到对行缩放后的所述SK算法矩阵进行列缩放的缩放因子；基于所述缩放因子，对行缩放后的所述SK算法矩阵进行列缩放，得到缩放后的所述SK算法矩阵；根据所述缩放后的所述SK算法矩阵进行SK算法处理，得到任务数据处理结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述预设数组中缓存的元素，得到对行缩放后的所述SK算法矩阵进行列缩放的缩放因子，包括：累加所述预设数组中每一列的元素，并分别计算预设元素与所述预设数组中每一列元素的和的比值，得到所述行缩放后的所述SK算法矩阵中每一列的元素的缩放因子。3.根据权利要求1所述的方法，其特征在于，所述基于所述缩放因子，对行缩放后的所述SK算法矩阵进行列缩放，得到缩放后的所述SK算法矩阵，包括：对所述行缩放后的所述SK算法矩阵按照预设行维度以及预设列维度进行分块处理后，得到多个子矩阵；分别计算所述缩放因子和每个所述子矩阵中的元素的乘积，得到每个所述子矩阵对应的列缩放后的元素；组合多个所述子矩阵对应的列缩放后的元素，得到缩放后的所述SK算法矩阵。4.根据权利要求3所述的方法，其特征在于，所述分别计算所述缩放因子和每个所述子矩阵中的元素的乘积，得到每个所述子矩阵对应的列缩放后的元素，包括：调用列缩放对应的指令集；基于所述指令集，分别计算所述缩放因子和每个所述子矩阵中的元素的乘积，得到每个所述子矩阵对应的列缩放后的元素。5.根据权利要求4...

【专利技术属性】
技术研发人员：罗辉章，孙澄宇，李肯立，阳王东，唐卓，刘楚波，刘刚，
申请(专利权)人：湖南大学，
类型：发明
国别省市：