基于卷积运算的等效变换方法、装置、设备以及存储介质制造方法及图纸

本申请提供了一种基于卷积运算的等效变换方法、装置、设备以及存储介质，涉及神经网络技术领域。该方法包括：获取卷积运算结构中待处理的卷积运算节点；根据卷积运算节点的第一特征图参数获取步长操作节点的参数以及第二特征图参数；根据步长操作节点、第二特征图参数更新卷积运算结构。本申请的实施能够通过卷积运算的等效变换消除步长大于卷积核的情况，解决了现有硬件需要另设硬件结构处理步长大于卷积核的情况，降低硬件的设计成本、生产成本。本。本。

【技术实现步骤摘要】
基于卷积运算的等效变换方法、装置、设备以及存储介质


[0001]本申请涉及神经网络
，具体而言，本申请涉及一种基于卷积运算的等效变换方法、装置、设备以及存储介质。

技术介绍

[0002]卷积神经网络(Convolutional Neural Networks,CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习(deep learning)的代表算法之一。卷积神经网络具有表征学习(representation learning)能力，能够按其阶层结构对输入信息进行平移不变分类(shift
‑
invariant classification)，因此也被称为“平移不变人工神经网络(Shift
‑
Invariant Artificial Neural Networks,SIANN)”。
[0003]在卷积神经网络应用中，为了提升计算速度，根据卷积神经网络的常用结构设计硬件，利用设计的硬件(如NPU)专门进行卷积运算，加快数据处理效率。然而这种情况会导致在硬件难以直接处理卷积运算结构中步长大于卷积核这种少见的情况，需要另外针对这种情况设置相应的硬件结构以进行处理，提升了硬件的设计成本以及生产成本。

技术实现思路

[0004]本申请实施例提供了一种基于卷积运算的等效变换方法、装置、设备以及存储介质，可以解决现有硬件需要另设硬件结构处理步长大于卷积核的情况，设计成本和生产成本高的问题。为了实现该目的，本申请实施例提供了如下几个方案。
[0005]根据本申请实施例的一个方面，提供了一种基于卷积运算的等效变换方法，该方法包括：
[0006]获取卷积运算结构中待处理的卷积运算节点，所述待处理的卷积运算节点存在预设方向上步长大于卷积核的情况；
[0007]根据所述卷积运算节点的第一特征图参数获取步长操作节点的参数以及第二特征图参数；
[0008]根据所述步长操作节点、第二特征图参数更新所述卷积运算结构。
[0009]在一个可能的实现方式中，所述获取卷积运算结构中待处理的卷积运算节点，还包括：
[0010]若所述待处理的卷积运算节点存在边界扩充操作，独立所述卷积运算节点的边界扩充操作，形成用于执行边界扩充操作的边界扩充节点；
[0011]在去除边界扩充操作后的所述卷积运算节点之前插入所述边界扩充节点。
[0012]在一个可能的实现方式中，所述根据所述步长操作节点、第二特征图参数更新所述卷积运算结构，包括：
[0013]在所述边界扩充节点和所述卷积运算节点之间插入所述步长操作节点；
[0014]利用所述第二特征图参数替换所述卷积运算节点的第一特征图参数。
[0015]在一个可能的实现方式中，所述根据所述卷积运算节点的第一特征图参数获取步长操作节点的参数以及第二特征图参数，包括：
[0016]获取所述卷积运算节点的左右方向上以及上下方向上所述步长的数值与所述卷积核的数值大小比较结果；
[0017]根据比较结果、所述第一特征图参数获取步长操作节点的参数以及第二特征图参数。
[0018]在一个可能的实现方式中，所述根据比较结果、所述第一特征图参数获取步长操作节点的参数以及第二特征图参数，包括：
[0019]若通过比较结果确定所述左右方向上或所述上下方向上所述步长的数值大于所述卷积核的数值，将对应方向上所述步长、所述卷积核的数值赋值给所述步长操作节点的步长、卷积核，根据所述第一特征图参数中的预设参数以及所述步长、所述卷积核的数值计算所述第二特征图参数中的预设参数，并将所述卷积核的数值修改为所述步长的数值，所述预设参数包括高度参数、宽度参数；
[0020]若通过比较结果确定所述左右方向上或所述上下方向上所述步长的数值小于或等于所述卷积核的数值，则将所述步长操作节点的步长、卷积核在对应方向上的数值设为预设值。
[0021]在一个可能的实现方式中，所述根据所述第一特征图参数中的预设参数以及所述步长、所述卷积核的数值计算所述第二特征图参数中的预设参数，包括：
[0022]若左右方向上所述步长的数值大于所述卷积核的数值，根据所述第一特征图参数中的宽度参数以及所述步长、所述卷积核在左右方向上的数值计算所述第二特征图参数中的宽度参数；
[0023]若上下方向上所述步长的数值大于所述卷积核的数值，根据所述第一特征图参数中的高度参数以及所述步长、所述卷积核在上下方向上的数值计算所述第二特征图参数中的高度参数。
[0024]在一个可能的实现方式中，所述根据所述步长操作节点、第二特征图参数更新所述卷积运算结构，包括：
[0025]将所述卷积运算节点的第一特征图参数替换为所述第二特征图参数，并将所述步长操作节点插入所述卷积运算节点的前方。
[0026]本申请提供一种基于卷积运算的等效变换装置，包括：
[0027]卷积运算节点获取模块，用于获取卷积运算结构中待处理的卷积运算节点，所述待处理的卷积运算节点存在步长大于卷积核的情况；
[0028]参数计算模块，用于根据所述卷积运算节点的第一特征图参数获取步长操作节点以及第二特征图参数；
[0029]节点更新模块，用于根据所述步长操作节点、第二特征图参数更新所述卷积运算结构。
[0030]本申请提供一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如上所述方法的步骤。
[0031]根据本申请实施例的再一个方面，提供了一种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如上所述方法的步骤。
[0032]本申请实施例提供的技术方案带来的有益效果是：
[0033]本申请提供一种基于卷积运算的等效变换方法，具体地，获取卷积运算结构中预设方向上步长大于卷积核的卷积运算节点，根据该卷积运算节点的第一特征图参数获取步长操作节点以及第二特征图参数，根据步长操作节点、第二特征图参数更新卷积运算节点。因此，本申请实施例在卷积运算结构存在预设方向上步长大于卷积核的卷积运算节点时，根据该卷积运算节点的第一特征图参数生成步长操作节点、第二特征图参数，根据步长操作节点以及第二特征图参数更新卷积运算结构，从而得到不存在步长大于卷积和的卷积运算结构，本申请实施例能够通过卷积运算的等效变换消除步长大于卷积核的情况，解决了现有硬件需要另设硬件结构处理步长大于卷积核的情况，降低硬件的设计成本、生产成本。
附图说明
[0034]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单的介绍。
[0035]图1为本申请实施例提供的基于卷积运算的等效变换方法的流程图；
[0036]图2为本申请提供的基于卷积运算的等效变换方法另一实施例的流程图；
[0037]图3为本申请实施例提供的基于卷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积运算的等效变换方法，其特征在于，包括：获取卷积运算结构中待处理的卷积运算节点，所述待处理的卷积运算节点存在预设方向上步长大于卷积核的情况；根据所述卷积运算节点的第一特征图参数获取步长操作节点的参数以及第二特征图参数；根据所述步长操作节点、第二特征图参数更新所述卷积运算结构。2.根据权利要求1所述的方法，其特征在于，所述获取卷积运算结构中待处理的卷积运算节点，还包括：若所述待处理的卷积运算节点存在边界扩充操作，独立所述卷积运算节点的边界扩充操作，形成用于执行边界扩充操作的边界扩充节点；在去除边界扩充操作后的所述卷积运算节点之前插入所述边界扩充节点。3.如权利要求2所述的方法，其特征在于，所述根据所述步长操作节点、第二特征图参数更新所述卷积运算结构，包括：在所述边界扩充节点和所述卷积运算节点之间插入所述步长操作节点；利用所述第二特征图参数替换所述卷积运算节点的第一特征图参数。4.根据权利要求1所述的方法，其特征在于，所述根据所述卷积运算节点的第一特征图参数获取步长操作节点的参数以及第二特征图参数，包括：获取所述卷积运算节点的左右方向上以及上下方向上所述步长的数值与所述卷积核的数值大小比较结果；根据比较结果、所述第一特征图参数获取步长操作节点的参数以及第二特征图参数。5.根据权利要求4所述的方法，其特征在于，所述根据比较结果、所述第一特征图参数获取步长操作节点的参数以及第二特征图参数，包括：若通过比较结果确定所述左右方向上或所述上下方向上所述步长的数值大于所述卷积核的数值，将对应方向上所述步长、所述卷积核的数值赋值给所述步长操作节点的步长、卷积核，根据所述第一特征图参数中的预设参数以及所述步长、所述卷积核的数值计算所述第二特征图参数中的预设参数，并将所述卷积核的数值修改为所述步长的数值，所述预设参数包括高度参数、宽度参数...

【专利技术属性】
技术研发人员：黄炯凯，
申请(专利权)人：安谋科技中国有限公司，
类型：发明
国别省市：