数据处理的方法、众核系统、计算机可读介质技术方案

本公开提供了一种数据处理的方法，用于包括多个节点的神经网络，其中，所述神经网络包括多个串行组，每个所述串行组由一个输入端、一个输出端、串联在该输入端和输出端间的节点构成；每个所述串行组的数据处理包括：一批数据输入至所述串行组；每批数据包括多个数据；所述串行组通过一次处理流程处理该批数据，得到多个结果数据；在所述得到多个结果数据后，至少部分所述串行组的所述数据处理还包括：多个所述结果数据经预定延迟后，在预定时间传输至目标位置。本公开还提供了一种众核系统、计算机可读介质。算机可读介质。算机可读介质。

【技术实现步骤摘要】
数据处理的方法、众核系统、计算机可读介质


[0001]本公开涉及脑仿真
，特别涉及数据处理的方法、众核系统、计算机可读介质。

技术介绍

[0002]神经网络是一种模仿生物的神经系统进行信息处理的深度学习模型，可用于图像识别、视频处理、语音识别等多种领域。神经网络由多个按照一定关系连接的节点(神经元)组成，每个节点可从其前继节点接收数据进行一定的处理，并将处理结果传递至后继节点。
[0003]在实际生物体的神经系统中，不同神经元之间信号的传递具有不可避免的传输延迟，该传输延迟的大小由随神经元之间连接的类型、距离等决定。
[0004]因此，在采用脑仿真技术的神经网络中，需要设置不同节点(神经元)间的延迟(传输延迟)，以模拟生物神经系统的工作方式。但这种延迟会导致各节点对所有数据都要“单次处理”，而不是“批处理(batch)”，从而提高了数据传输(如权重数据的传输)消耗，降低了处理效率。

技术实现思路

[0005]本公开提供一种数据处理的方法、众核系统、计算机可读介质。
[0006]第一方面，本公开实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理的方法，用于包括多个节点的神经网络，其中，所述神经网络包括多个串行组，每个所述串行组由一个输入端、一个输出端、串联在该输入端和输出端间的节点构成；每个所述串行组的数据处理包括：一批数据输入至所述串行组；每批数据包括多个数据；所述串行组通过一次处理流程处理该批数据，得到多个结果数据；在所述得到多个结果数据后，至少部分所述串行组的所述数据处理还包括：多个所述结果数据经预定延迟后，在预定时间传输至目标位置。2.根据权利要求1所述的方法，其中，所述节点包括反馈节点和回环节点：所述反馈节点的输出还返回到至少一个在前的回环节点的输入；所述回环节点的输入还接收至少一个在后的反馈节点的输出；至少部分所述串行组的第一个节点为反馈节点；至少部分所述串行组的最后一个节点为回环节点。3.根据权利要求1所述的方法，其中，至少部分所述串行组包括多个节点；和/或，至少部分所述串行组仅包括一个节点。4.根据权利要求1所述的方法，其中，至少部分所述串行组的所述数据处理中，传输至同一目标位置的多个所述结果数据的预定延迟相同。5.根据权利要求1所述的方法，其中，至少部分所述串行组的所述数据处理中，传输至同一目标位置的多个所述结果数据中，有至少部分不同结果数据的预定延迟不同。6...

【专利技术属性】
技术研发人员：吴臻志，林逸晗，
申请(专利权)人：北京灵汐科技有限公司，
类型：发明
国别省市：