数据流映射搜索方法技术

本申请实施例提供了一种数据流映射搜索方法

【技术实现步骤摘要】
数据流映射搜索方法、系统、电子设备及存储介质


[0001]本申请涉及计算机应用
，尤其涉及一种数据流映射搜索方法
、
系统
、
电子设备及存储介质
。

技术介绍

[0002]脉冲神经网络
(Spiking Neural Network
，
SNN)
是一种模拟神经系统工作原理的人工神经网络模型，是一种以脉冲
(1
比特
)
为基础的神经网络，能够通过模拟神经元之间的脉冲传递来实现信息处理
。
相比于依赖于多比特数据传输和数值计算的人工神经网络
(Artificial Neural Network,ANN)
，
SNN
具有更好的生物学可解释性和能效优势
。
[0003]在为
SNN
卷积过程选取最优数据流映射时，需要综合考虑各种影响因素，并对各个候选数据流映射进行逐一验证，在数据量十分庞大时，需要耗费大量的时间和搜索资源进行数据流映射搜索，降低了数据流映射搜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种数据流映射搜索方法，其特征在于，所述方法包括：从脉冲神经网络卷积过程中获取数据类型以及根据所述数据类型对应划分的多个维度数据，并根据所述数据类型和所述维度数据，形成多个数据流映射集合；其中，每个所述数据流映射集合包括多个数据流映射；获取数据集群中用于仿真的集群节点数量以及每个所述集群节点的处理器核心数，根据所述集群节点数量与所述处理器核心数的乘积，确定所述数据集群的总并行线程数，并根据所述总并行线程数创建并行线程；根据所述数据流映射集合和所述总并行线程数进行计算，得到每个所述并行线程的数据流映射搜索数；根据所述数据流映射搜索数，为每个所述并行线程分配对应数量的所述数据流映射，并根据每个存储层次的预设存储规则所述数据流映射进行筛选，得到多个候选数据流映射；在每个所述并行线程中，对每个所述候选数据流映射进行能量计算，得到能量计算结果，并将每个所述能量计算结果与历史能量计算结果进行比较，若所述能量计算结果低于所述历史能量计算结果，则将所述能量计算结果对应的所述候选数据流映射作为目标数据流映射
。2.
根据权利要求1所述的数据流映射搜索方法，其特征在于，所述将所述能量计算结果对应的所述数据流映射作为目标数据流映射之后，还包括：获取预先设置的同步周期；执行周期数据流映射搜索过程，所述周期数据流映射搜索过程包括：在每个所述同步周期中，依次将每个所述并行线程作为主线程，并将除所述主线程在外的所述并行线程作为次线程，对所述主线程的所述目标数据流映射进行广播；根据所述主线程对应的所述能量计算结果作为第一能量计算结果，每个所述次线程对应的能量计算结果作为第二能量计算结果，将所述第一能量计算结果与所述第二能量计算结果进行比较，得到比较结果；根据所述比较结果，确定待更新次线程；将所述第一能量计算结果对应的所述目标数据流映射在所述次线程待更新次线程中进行更新，得到所述次线程的数据流映射更新结果；重复所述周期数据流映射搜索过程至重复次数超过所述总并行线程数，得到每个所述并行线程的数据流映射更新结果
。3.
根据权利要求1所述的数据流映射搜索方法，其特征在于，所述数据流映射集合包括第一数据流映射集合
、
第二数据流映射集合
、
第三数据流映射集合和第四数据流映射集合；所述根据所述数据类型和所述维度数据，形成多个数据流映射集合，包括：根据各个所述维度数据的维度数值计算得到可因式分解对数量，并根据所述维度数据和所述可因式分解对数量，得到第一数据流映射集合；在每个存储层次中，根据所述维度数据在所述数据类型内的排列方式进行汇总，得到每个所述存储层次对应的第二数据流映射集合；其中，所述存储层次用于存放所述数据类型的数据；根据所述维度数据在空间坐标轴上的划分方式进行汇总，得到第三数据流映射集合；其中，所述空间坐标轴根据算术逻辑单元形成的数据阵列生成；根据所述数据类型和划分后的所述维度数据在各个所述存储层次的存放方式进行汇
总，得到第四数据流映射集合
。4.
根据权利要求3所述的数据流映射搜索方法，其特征在于，所述根据各个所述维度数据的维度数值计算得到可因式分解对数量，包括：计算每个所述维度数据的维度数值的平方根，得到维度平方数；根据所述维度数值依次除以分解次数，得到第一维度分解结果；其中，所述分解次数根据所述维度平方数得到；选取为正整数的所述第一维度分解结果和所述分解次数作为维度因子数；其中，每个所述维度因子数之间均不相同；通过所述维度数值除以所述维度因子数，得到第二维度分解结果，并根据所述维度因子数和所述第二维度分解结果组成可因式分解对；其中，每对所述可因式分解对之间均不相同
。5.
根据权利要求3所述的数据流映射搜索方法，其特征在于，所述在每个存储层次中，根据所述维度数据在所述数据类型内的排列方式进行汇总，得到每个所述存储层次对应的第二数据流映射集合，包括：在每个存储层次中，将所述维度数据在每个所述数据类型内进行交互排列，得到多种排列方式；根据多种所述排列方式进行汇总，得到每个所述存储层次对应的第二数据流映射集合
。6.
根据权利要求3所述的数据流映射搜索方法，其特征在于，所述根据所述维度数据在空间坐标轴上的划分方式进行汇总，得到第三数据流映射集合，包括：根据算术逻辑单元形成的数据阵列，生成空间坐标轴；其中，所述空间坐标轴用于根据所述维度数据进行并行计算；所述空间坐标轴至少包括横向坐标轴和纵向坐标轴；在所述空间坐标轴上，通过多种划分方式对所述维度数据进行划分，得到多种划分方式；筛选能够实现并行搜索的所述划分方式进行汇总，形成第三数据流映射集合
。7.
根据权利要求3所述的数据流映射搜索方法，其特征在于，所述根据所述数据类型和划分后的所述维度数据在各个所述存储层次的存放方式进行汇总，得到第四数据流映射集合，包括：获取每个所述存储层次预设的预设存储规则；其中，所述预设存储规则记录有每个所述存储层次所能存放的所述数据类型和划分后的所述维度数据；基于所述预设存储规则，在每个所述存储层次中对所述数据类型和划分后的所述维度...

【专利技术属性】
技术研发人员：林彦宇，周晖晖，林文杰，朱学科，程文翔，田永鸿，高文，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：