【技术实现步骤摘要】
本申请涉及人工智能领域，尤其涉及一种卷积计算方法、装置、电子设备及存储介质。
技术介绍
1、目前，随着数据科学的发展，深度学习技术受到了越来越广泛的关注。其中，卷积神经网络在处理图像数据和信号数据领域引起广泛重视，卷积神经网络对于大型图像处理有着较为理想的表现。且相较于传统的图像分析算法，卷积神经网络模型避免了对图像的复杂前期预处理，可以直接接收并处理原始图像，因而得到更加广泛的使用。
2、然而，传统的卷积神经网络在进行卷积运算的过程中通常利用卷积核中的多个参数与待处理数据中的多个元素进行卷积运算，进而得到对应的卷积运算结果。在进行卷积运算的过程中，卷积核中的每个参数以及对应的每个元素均需要参与卷积运算，因此这种卷积运算方式可能出现效率较低的问题。
技术实现思路
1、鉴于以上内容，有必要提出一种卷积计算方法、装置、电子设备及存储介质，以解决卷积计算的效率低的技术问题。
2、本申请提供一种卷积计算方法，应用于电子设备，所述方法包括：根据预设卷积核将待处理数据划分为多个...
【技术保护点】
1.一种卷积计算方法，应用于电子设备，其特征在于，所述方法包括：
2.如权利要求1所述的卷积计算方法，其特征在于，所述根据预设卷积核将待处理数据划分为多个子数据，包括：
3.如权利要求1所述的卷积计算方法，其特征在于，所述将每个所述子数据中包括的多个元素从所述寄存器中输入至多个计算单元，包括：
4.如权利要求1至3中任意一项所述的卷积计算方法，其特征在于，所述卷积核包括至少一个参数；所述根据所述卷积核从所述多个计算单元中确定待运算的计算单元，包括：
5.如权利要求1至3中任意一项所述的卷积计算方法，其特征在于，所述方法还
...
【技术特征摘要】
1.一种卷积计算方法，应用于电子设备，其特征在于，所述方法包括：
2.如权利要求1所述的卷积计算方法，其特征在于，所述根据预设卷积核将待处理数据划分为多个子数据，包括：
3.如权利要求1所述的卷积计算方法，其特征在于，所述将每个所述子数据中包括的多个元素从所述寄存器中输入至多个计算单元，包括：
4.如权利要求1至3中任意一项所述的卷积计算方法，其特征在于，所述卷积核包括至少一个参数；所述根据所述卷积核从所述多个计算单元中确定待运算的计算单元，包括：
5.如权利要求1至3中任意一项所述的卷积计算方法，其特征在于，所述方法还包括：
6.一种卷积计算装置，其特征在于，所述装置包括实现如权利要求1至5中任意一项所述的卷积计算方法的模块，所述装置包括：
7.如权利要求6所述的卷积计算装置，其特征在于，所述划分模块根据预设卷积...
【专利技术属性】
技术研发人员：蒋文，王和国，陈宁，
申请(专利权)人：深圳云天励飞技术股份有限公司，
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。