神经网络的优化方法、装置、存储介质及芯片制造方法及图纸

本申请涉及数据处理技术领域，提出了神经网络的优化方法、装置、存储介质及芯片，其中，神经网络的优化方法包括：提取神经网络中的卷积层，对卷积层中卷积核的数据结构进行转换，得到目标卷积核；对卷积层的输入特征按照目标维度进行切片处理，得到多个切片特征；将一个切片特征和目标卷积核输入至矩阵乘法模块，生成与切片特征对应的中间特征；根据多个中间特征，生成输出数据。通过本申请提供的技术方案可以提高神经网络的数据处理效率。可以提高神经网络的数据处理效率。可以提高神经网络的数据处理效率。

【技术实现步骤摘要】
神经网络的优化方法、装置、存储介质及芯片


[0001]本申请涉及数据处理
，具体而言，涉及一种神经网络的优化方法、装置、存储介质及芯片。

技术介绍

[0002]相关技术中，卷积神经网络在对数据处理领域中具有较为广泛的应用。在卷积神经网络处理数据过程中，通常直接将输入数据输入至卷积层进行计算，在数据较多的情况下，卷积层的计算速度较慢，影响卷积神经网络的数据处理效率。
[0003]因此，如何提高卷积神经网络的数据处理效率，成为了亟待解决的技术问题。

技术实现思路

[0004]本申请旨在至少解决现有技术中存在的技术问题之一。
[0005]为此，本申请的第一方面提供了一种神经网络的优化方法。
[0006]本申请的第二方面提供了一种神经网络的优化装置。
[0007]本申请的第三方面提供了一种数据处理方法。
[0008]本申请的第四方面提供了一种RISCV设备。
[0009]本申请的第五方面提出了一种可读存储介质。
[0010]本申请的第六方面提出了一种计算机程序产品。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种神经网络的优化方法，其特征在于，包括：提取所述神经网络中的卷积层，对所述卷积层中卷积核的数据结构进行转换，得到目标卷积核；对所述卷积层的输入特征按照目标维度进行切片处理，得到多个切片特征；将一个所述切片特征和所述目标卷积核输入至矩阵乘法模块，生成与所述切片特征对应的中间特征；根据多个所述中间特征，生成输出特征。2.根据权利要求1所述的神经网络的优化方法，其特征在于，所述卷积层的输入特征按照目标维度进行切片处理，得到多个切片特征，包括：将所述输入特征的数据结构转换为与所述矩阵乘法模块的模块参数对应的第一目标数据结构，生成第一中间输入特征；利用第一预设算法，将所述第一中间输入特征的第一维度和第二维度相结合为所述目标维度，生成第二中间输入特征；按照所述目标维度对所述第二中间输入特征进行切片处理，得到所述多个切片特征；其中，所述第一维度为所述第一中间输入特征的高度，所述第二维度为所述第一中间输入特征的宽度。3.根据权利要求2所述的神经网络的优化方法，其特征在于，所述按照所述目标维度对所述第二中间输入特征进行切片处理，得到所述多个切片特征之后，所述神经网络的优化方法还包括：获取所述目标卷积核的卷积核参数；根据所述卷积核参数，对所述切片特征的数据结构进行重排。4.根据权利要求2所述的神经网络的优化方法，其特征在于，所述按照所述目标维度对所述第二中间输入特征进行切片处理，得到所述多个切片特征之后，所述神经网络的优化方法还包括：根据所述切片特征的第三维度，对所述切片特征的数据结构进行调整；其中，所述第三维度为所述切片特征的输出通道维度。5.根据权利要求4所述的神经网络的优化方法，其特征在于，所述根据所述切片特征的第三维度，对所述切片特征的数据结构进行调整，包括：在所述输出通道的数量能够被预设值整除的情况下，保持所述输出通道的数量；在所述输出通道的数量不能被预设值整除的情况下，增加所述输出通道，以使所述输出通道的数量能被预设值整除；其中，增...

【专利技术属性】
技术研发人员：丁维浩，唐剑，张法朝，牟小峰，赵东宇，夏立超，
申请(专利权)人：美智纵横科技有限责任公司，
类型：发明
国别省市：