一种基于制造技术

本发明专利技术提供一种基于

【技术实现步骤摘要】
一种基于AI处理器的数据处理方法、存储装置及电子设备


[0001]本专利技术涉及数据存储领域，特别涉及一种基于
AI
处理器的数据处理方法
、
存储装置及电子设备
。

技术介绍

[0002]在存储设备领域中，由于存储器在读写数据的过程中，可能因为电子噪声
、
元件损坏
、
传输干扰等原因，导致数据出现比特翻转的错误，即原本是0的数据变成了1，或者是原本是1的数据变成了0，这种错误可能会影响系统的正常运行，甚至导致数据丢失或损坏
。
为了防止这种情况发生，存储器内部会集成
ECC(Error Correction Codes)
引擎，它的工作原理是在写入数据时，根据一定的算法，为每个数据块生成
ECC
码，并存储在额外的空间中；在读取数据时，再根据相同的算法，计算出数据块的
ECC
码，并与之前存储的
ECC
码进行比较，从而发现并纠正数据中出现的错误
。
[0003]通过
ECC
引擎虽然能够实现对存储装置内的数据进行检测和纠正，但是由于
ECC
引擎的算法是固定的，缺乏弹性，准确度和适用性较差
。
[0004]因此，需要提供一种应用于存储装置的基于
AI
算法的数据处理方法及系统，用于提高对存储装置内的数据进行检测和纠正的准确度和适用性
。

技术实现思路

[0005]本说明书实施例之一提供一种基于
AI
处理器的数据处理方法，应用于存储装置，包括：获取所述存储装置内存储单元的种类信息；根据所述种类信息确定第一算法参数，并将所述第一算法参数加载至部署于
AI
处理器内的第一算法模型中；接收数据读取指令，并根据所述数据读取指令读取存储于所述存储单元内的原始数据，以将所述原始数据传输至所述
AI
处理器中；所述
AI
处理器基于所述第一算法模型对所述原始数据进行数据修正，生成修正数据
。
[0006]在一些实施例中，所述存储装置内预存有多种算法参数，每种所述算法参数对应一种类型的存储单元，所述第一算法参数为所述多种算法参数中的一种；所述根据所述种类信息确定第一算法参数，并将所述第一算法参数加载至部署于
AI
处理器内的第一算法模型中，包括：根据所述种类信息确定第一算法参数；确定所述第一算法参数在所述存储装置内的存储位置；根据所述存储位置读取所述第一算法参数，加载至部署于所述
AI
处理器内的第一算法模型中
。
[0007]在一些实施例中，所述获取所述存储装置内存储单元的种类信息，包括：所述存储装置的主控单元向所述存储单元发送信息获取请求；所述存储单元基于所述信息获取请求，反馈身份信息至所述主控单元；所述主控单元对所述身份信息进行解析，生成所述存储单元的种类信息
。
[0008]在一些实施例中，所述存储单元的种类信息至少包括所述存储单元的生产信息和单元层数中的一种
。
[0009]在一些实施例中，所述算法参数的生成方式，包括：根据所述存储单元的种类信息获取对应的训练样本；将所述训练样本中的样本数据作为所述第一算法模型的输入数据，以获得预测输出数据；将所述预测输出数据与所述训练样本中的目标数据进行比较，得到差异值；根据所述差异值构造损失函数，并根据损失函数的梯度下降方向迭代更新加载于所述第一算法模型内的预设参数，直至满足预设条件，生成所述算法参数
。
[0010]在一些实施例中，所述方法还包括：接收数据处理指令，并解析所述数据处理指令确定所述修正数据需要进行预处理；将所述修正数据存储至所述存储单元后，重置所述
AI
处理器；基于所述数据处理指令加载第二算法模型至所述
AI
处理器；所述
AI
处理器获取存储于所述存储单元的所述修正数据，并通过所述第二算法模型对所述修正数据进行数据处理，生成目标数据
。
[0011]在一些实施例中，基于所述数据处理指令加载第二算法模型至所述
AI
处理器，包括：根据所述数据处理指令确定对所述修正数据的处理类型；依据所述处理类型匹配存储在所述存储单元内预存算法模型中的所述第二算法模型；将所述第二算法模型加载至所述
AI
处理器
。
[0012]在一些实施例中，所述预存算法模型至少包括图像检测模型
、
图像标注模型
、
数据压缩模型和数据加密模型中的一种
。
[0013]本说明书实施例之一提供一种存储装置，包括：主控模块，用于获取所述存储装置内存储单元的种类信息；
AI
处理器，用于根据所述种类信息确定第一算法参数，并将所述第一算法参数加载至部署于所述
AI
处理器内的第一算法模型中；所述主控模块还用于接收数据读取指令，并根据所述数据读取指令读取存储于所述存储单元内的原始数据，以将所述原始数据传输至所述
AI
处理器中；所述
AI
处理器还用于基于所述第一算法模型对所述原始数据进行数据修正，生成修正数据
。
[0014]本说明书实施例之一提供一种电子设备，包括：存储装置，用于获取所述存储装置内存储单元的种类信息，还用于根据所述种类信息确定第一算法参数，并将所述第一算法参数加载至部署于
AI
处理器内的第一算法模型中；主机端，用于发送数据读取指令；存储装置还用于接收数据读取指令，并根据所述数据读取指令读取存储于所述存储单元内的原始数据，以将所述原始数据传输至所述
AI
处理器中，所述
AI
处理器基于所述第一算法模型对所述原始数据进行数据修正，生成修正数据
。
[0015]相比于现有技术，本说明书提供的一种基于
AI
处理器的数据处理方法
、
存储装置及电子设备，至少具备以下有益效果：
[0016]1、
通过获取存储装置内存储单元的种类信息，确定与存储装置内存储单元对应的第一算法参数，并将该第一算法参数部署至
AI
处理器内的第一算法模型中，基于该部署了第一算法参数的第一算法模型对存储单元内的原始数据进行数据修正，生成较为准确的修正数据，相比于算法固定的
ECC
引擎进行数据修正，可以实现对于多种数据类型和格式的支持，提高了系统的兼容性和实用性，并且能够自适应不同工作环境和使用场景；
[0017]2、
通过根据存储单元的种类信息获取对应的训练样本，对第一算法模型进行训练，能够获取对应该类型的存储单元的算法参数，使得后续对该类型的存储单元存储的原始数据的修正更加准确，能够有针对性地对相应类型的存储单元所存储的数据进行修正本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
AI
处理器的数据处理方法，应用于存储装置，其特征在于，包括：获取所述存储装置内存储单元的种类信息；根据所述种类信息确定第一算法参数，并将所述第一算法参数加载至部署于
AI
处理器内的第一算法模型中；接收数据读取指令，并根据所述数据读取指令读取存储于所述存储单元内的原始数据，以将所述原始数据传输至所述
AI
处理器中；所述
AI
处理器基于所述第一算法模型对所述原始数据进行数据修正，生成修正数据
。2.
根据权利要求1所述的基于
AI
处理器的数据处理方法，其特征在于，所述存储装置内预存有多种算法参数，每种所述算法参数对应一种类型的存储单元，所述第一算法参数为所述多种算法参数中的一种；所述根据所述种类信息确定第一算法参数，并将所述第一算法参数加载至部署于
AI
处理器内的第一算法模型中，包括：根据所述种类信息确定第一算法参数；确定所述第一算法参数在所述存储装置内的存储位置；根据所述存储位置读取所述第一算法参数，加载至部署于所述
AI
处理器内的第一算法模型中
。3.
根据权利要求2所述的基于
AI
处理器的数据处理方法，其特征在于，所述获取所述存储装置内存储单元的种类信息，包括：所述存储装置的主控单元向所述存储单元发送信息获取请求；所述存储单元基于所述信息获取请求，反馈身份信息至所述主控单元；所述主控单元对所述身份信息进行解析，生成所述存储单元的种类信息
。4.
根据权利要求3所述的基于
AI
处理器的数据处理方法，其特征在于，所述存储单元的种类信息至少包括所述存储单元的生产信息和单元层数中的一种
。5.
根据权利要求2‑4中任意一项所述的基于
AI
处理器的数据处理方法，其特征在于，所述算法参数的生成方式，包括：根据所述存储单元的种类信息获取对应的训练样本；将所述训练样本中的样本数据作为所述第一算法模型的输入数据，以获得预测输出数据；将所述预测输出数据与所述训练样本中的目标数据进行比较，得到差异值；根据所述差异值构造损失函数，并根据损失函数的梯度下降方向迭代更新加载于所述第一算法模型内的预设参数，直至满足预设条件，生成所述算法参数
。6.
根据权利要求1‑4中任意一项所述的基于
AI
处...

【专利技术属性】
技术研发人员：吴斯奇，赖振楠，詹伟钦，黄跃斌，
申请(专利权)人：上海宏芯宇微电子技术有限公司，
类型：发明
国别省市：