【技术实现步骤摘要】
本专利技术涉及一种数据处理，尤其涉及一种具有变量管理功能的神经网络运算系统、方法及平台。
技术介绍
1、类脑计算系统是构建新型高性能计算硬件与软件系统，模仿大脑生物神经系统的结构与工作原理，支撑类脑高性能并行计算。类脑智能和认知计算以脉冲神经网络为基础，结合生物脑中的多种神经递质、神经调质、受体、电突触、化学突触、树突、神经元、胶质细胞的丰富工作机制进行计算建模，构造成的神经环路、神经核团、脑区和全脑模型，能够模拟生物脑的诸多认知机制和行为。
2、由于现今提供的系统在变量调度上较为繁杂，运行效率低。当系统升级或者增加新的功能时，可能造成系统崩溃。
3、因此，需要一种可以解决上述技术问题的具有变量管理功能的神经网络运算系统。
技术实现思路
1、本专利技术实施例提供一种具有变量管理功能的神经网络运算系统、方法及平台，本专利技术实施例的技术方案解决了上述的技术问题。
2、第一方面，本专利技术实施例提供一种具有变量管理功能的神经网络运算系统，其特征在于，至少包括：配置有数据的若干模型以及变量管理模块；
3、所述变量管理模块用于：响应针对目标模型和/或所述目标模型所对应的数据的目标动作，对与所述目标动作对应的至少一个变量进行管理，所述数据包括变量。
4、第二方面，本专利技术实施例还提供了一种具有变量管理功能的神经网络运算方法，其特征在于，应用于具有变量管理功能的神经网络系统，所述系统至少包括：配置有数据的若干模型以及变量管理模块；<...
【技术保护点】
1.一种具有变量管理功能的神经网络运算系统，其特征在于，至少包括：配置有数据的若干模型以及变量管理模块；
2.根据权利要求1所述的具有变量管理功能的神经网络运算系统，其特征在于，所述目标动作包括生成变量、释放变量、变更关联对象、调取操作和变更变量的存储位置中的至少一项。
3.根据权利要求1所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量管理模块还用于：
4.根据权利要求3所述的具有变量管理功能的神经网络运算系统，其特征在于，所述基本描述信息包括变量类型、变量尺寸中的至少一项。
5.根据权利要求3所述的具有变量管理功能的神经网络运算系统，其特征在于，所述调度信息包括内存地址、所述变量对应的当前运行设备、所述变量关联的容器模型、所述变量所关联的操作中的至少一项。
6.根据权利要求1所述的具有变量管理功能的神经网络运算系统，其特征在于，各所述变量的变量类型包括如下任意一种：标量类型、张量类型、字符串类型、单变量类型、张量变量类型、字符串变量类型；
7.根据权利要求6所述的具有变量管理功能的神经网络运算
8.根据权利要求6所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量封装模块用于：
9.根据权利要求1所述的具有变量管理功能的神经网络运算系统，其特征在于，在响应针对目标模型和/或所述目标模型所对应的数据的目标动作之前，所述变量管理模块还用于进行变量注册，获得变量注册表；
10.根据权利要求9所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量管理模块还用于：
11.根据权利要求10所述的具有变量管理功能的神经网络运算系统，其特征在于，所述预设模板包括哈希表，所述哈希表包括键值和存储元素；
12.根据权利要求11所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量管理模块还用于：
13.根据权利要求12所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量管理模块还用于：
14.一种具有变量管理功能的神经网络运算方法，其特征在于，应用于具有变量管理功能的神经网络系统，所述系统至少包括：配置有数据的若干模型以及变量管理模块；
15.根据权利要求14所述的具有变量管理功能的神经网络运算方法，其特征在于，所述目标动作包括生成变量、释放变量、变更关联对象、调取操作和变更变量的存储位置中的至少一项。
16.根据权利要求14所述的具有变量管理功能的神经网络运算方法，其特征在于，所述响应针对目标模型和/或所述目标模型所对应的数据的目标动作，对与所述目标动作对应的至少一个变量进行管理，包括：
17.根据权利要求16所述的具有变量管理功能的神经网络运算方法，其特征在于，所述基本描述信息包括变量类型、变量尺寸中的至少一项。
18.根据权利要求16所述的具有变量管理功能的神经网络运算方法，其特征在于，所述调度信息包括内存地址、所述变量对应的当前运行设备、所述变量关联的容器模型、所述变量所关联的操作中的至少一项。
19.根据权利要求14所述的具有变量管理功能的神经网络运算方法，其特征在于，各所述变量的变量类型包括如下任意一种：标量类型、张量类型、字符串类型、单变量类型、张量变量类型、字符串变量类型；
20.根据权利要求19所述的具有变量管理功能的神经网络运算方法，其特征在于，所述对所述目标变量进行封装，获得目标变量类型的封装变量，包括：
21.根据权利要求19所述的具有变量管理功能的神经网络运算方法，其特征在于，所述对所述目标变量进行封装，获得目标变量类型的封装变量，包括：
22.根据权利要求14所述的具有变量管理功能的神经网络运算方法，其特征在于，在所述响应针对目标模型和/或所述目标模型所对应的数据的目标动作之前，还包括：
23.根据权利要求22所述的具有变量管理功能的神经网络运算方法，其特征在于，所述将每个所述模型的至少一个变量标识以及与所述变量标识对应的初始变量注册项关联存储到存储区，得到与每个所述模型对应的、用于描述模型的变量注册表，包括：
24.根据权利要求23所述的具有变量管理功能的神经网络运算方法，其特征在于，所述预设模板包括哈希表，所述哈希表包括键值和存储元素；
25.根据权利要求24所述的具有变量管理功能的神经网络运算方法，其特征在于，所述方法还包括：
26.根据权利要求25所述的具有变量管理功能的神经网络运算方法，其特征在于，所述方法还包括：<...
【技术特征摘要】
1.一种具有变量管理功能的神经网络运算系统，其特征在于，至少包括：配置有数据的若干模型以及变量管理模块；
2.根据权利要求1所述的具有变量管理功能的神经网络运算系统，其特征在于，所述目标动作包括生成变量、释放变量、变更关联对象、调取操作和变更变量的存储位置中的至少一项。
3.根据权利要求1所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量管理模块还用于：
4.根据权利要求3所述的具有变量管理功能的神经网络运算系统，其特征在于，所述基本描述信息包括变量类型、变量尺寸中的至少一项。
5.根据权利要求3所述的具有变量管理功能的神经网络运算系统，其特征在于，所述调度信息包括内存地址、所述变量对应的当前运行设备、所述变量关联的容器模型、所述变量所关联的操作中的至少一项。
6.根据权利要求1所述的具有变量管理功能的神经网络运算系统，其特征在于，各所述变量的变量类型包括如下任意一种：标量类型、张量类型、字符串类型、单变量类型、张量变量类型、字符串变量类型；
7.根据权利要求6所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量封装模块还用于：
8.根据权利要求6所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量封装模块用于：
9.根据权利要求1所述的具有变量管理功能的神经网络运算系统，其特征在于，在响应针对目标模型和/或所述目标模型所对应的数据的目标动作之前，所述变量管理模块还用于进行变量注册，获得变量注册表；
10.根据权利要求9所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量管理模块还用于：
11.根据权利要求10所述的具有变量管理功能的神经网络运算系统，其特征在于，所述预设模板包括哈希表，所述哈希表包括键值和存储元素；
12.根据权利要求11所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量管理模块还用于：
13.根据权利要求12所述的具有变量管理功能的神经网络运算系统，其特征在于，所述变量管理模块还用于：
14.一种具有变量管理功能的神经网络运算方法，其特征在于，应用于具有变量管理功能的神经网络系统，所述系统至少包括：配置有数据的若干模型以及变量管理模块；
15.根据权利要求14所述的具有变量管理功能的神经网络运算方法，其特征在于，所述目标动作包括生成变量、释放变量、变更关联对象、调取操作和变更变量的存储位置中的至少一项。
16.根...
【专利技术属性】
技术研发人员：曾相未，
申请(专利权)人：深圳忆海原识科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。