一种数据处理方法、装置和神经网络处理器芯片制造方法及图纸

本申请公开了一种数据处理方法、装置和神经网络处理器芯片，所述方法包括：获取第一数据帧对应的第一特征向量；将所述第一特征向量与包含多个第二特征向量的历史向量序列在所述第一数据帧的分割维度进行拼接，得到输入特征向量；其中，每一所述第二特征向量对应一个第二数据帧，所述第二数据帧的获取时刻早于所述第一数据帧；利用目标卷积核对所述输入特征向量进行卷积处理，得到输出特征向量。得到输出特征向量。得到输出特征向量。

【技术实现步骤摘要】
一种数据处理方法、装置和神经网络处理器芯片


[0001]本申请涉及神经网络
，涉及但不限于一种数据处理方法、装置和神经网络处理器芯片。

技术介绍

[0002]相关技术中，神经网络结构中通常会加入较多的二维卷积网络结构，然而二维卷积网络结构的计算量巨大，尤其是将这些神经网络应用到边缘计算设备时，会因为其巨大的计算力要求而使算法网络无法部署。

技术实现思路

[0003]有鉴于此，本申请实施例提供一种数据处理方法、装置和神经网络处理器芯片。
[0004]第一方面，本申请实施例提供一种数据处理方法，所述方法包括：获取第一数据帧对应的第一特征向量；将所述第一特征向量与包含多个第二特征向量的历史向量序列在所述第一数据帧的分割维度进行拼接，得到输入特征向量；其中，每一所述第二特征向量对应一个第二数据帧，所述第二数据帧的获取时刻早于所述第一数据帧；利用目标卷积核对所述输入特征向量进行卷积处理，得到输出特征向量。
[0005]第二方面，本申请实施例提供一种数据处理装置，包括：第一获取模块，用于获取第一数据帧对应的第一特征向量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，所述方法包括：获取第一数据帧对应的第一特征向量；将所述第一特征向量与包含多个第二特征向量的历史向量序列在所述第一数据帧的分割维度进行拼接，得到输入特征向量；其中，每一所述第二特征向量对应一个第二数据帧，所述第二数据帧的获取时刻早于所述第一数据帧；利用目标卷积核对所述输入特征向量进行卷积处理，得到输出特征向量。2.根据权利要求1所述的方法，其中，所述输出特征向量的维度数量和所述第一数据帧的维度数量相同；和/或，所述目标卷积核的维度数量大于所述第一数据帧的维度数量。3.根据权利要求1所述的方法，其中，所述方法还包括：获取待识别的第一时间序列信号；对所述第一时间序列信号在时间维度上按照时序进行分割，得到多帧所述第一数据帧；所述获取第一数据帧对应的第一特征向量，包括：每次获取一帧第一数据帧对应的第一特征向量；所述利用目标卷积核对所述输入特征向量进行卷积处理，得到输出特征向量，包括：利用目标卷积核在所述输入特征向量的特征维度滑动所述目标卷积核进行卷积处理，得到输出特征向量。4.根据权利要求3所述的方法，其中，所述方法还包括：将所述目标卷积核在分割维度的尺寸和所述第一数据帧的数量之间的差值确定为所述第二数据帧的数量。5.根据权利要求1所述的方法，其中，所述第一数据帧的数量为第一数量，所述方法还包括：将所述第一数量的所述第一特征向量保存在历史向量序列内；将时序靠前的所述第一数量的第二特征向量从所述历史向量序列内去除。6.根据权利要求1至5中任一项所述的方法，其中，通过卷积神经网络模型进行所述卷积处理，所述卷积神经网络模型的训练方法包括：获取用于训练的第二时间序列信号；对所述第二时间序列信号进行特征提取，得到所述第二时间序列信号对应的第一特征矩阵，所述第一特征矩阵包括分割维度上的多个时刻中每一所述时刻对应的第三特征向量；将所述目标卷积核在所述第三特征向量的特征维度和分割维度滑动进行...

【专利技术属性】
技术研发人员：胡炎鑫，张琛雨，陈鹏，
申请(专利权)人：鼎道智芯上海半导体有限公司，
类型：发明
国别省市：