[发明专利]基于神经网络的计算方法及装置

权利要求书

1.一种基于神经网络的计算方法，包括：

将第二神经网络的至少一个权重系数矩阵的至少一行内的参数聚类；

根据经聚类的参数确定至少一个类中的每类的类中心值；

用所述类中心值替换对应类中的参数，以获得第一神经网络；

将输入的图像数据输入至所述第一神经网络，其中所述第一神经网络的至少一个权重系数矩阵的至少一行内包括相同参数；

基于所述第一神经网络对所述输入的图像数据进行计算，其中在涉及所述权重系数矩阵的至少一行的矩阵乘法操作中，

将所述矩阵乘法操作所涉及的输入矢量中的、与所述相同参数对应的元素相加，以获得元素和；

将所述元素和与所述相同参数的值相乘，以获得数据积；

根据所述数据积的加和计算涉及所述权重系数矩阵的至少一行的乘法计算结果；以及

根据所述权重系数矩阵的所有行的乘法计算结果，计算并输出所述第一神经网络的计算结果；

其中所述第二神经网络是利用训练数据和与之对应的标注内容训练获得的，所述训练数据是图像数据，所述标注内容是文字标注或人脸标注，所述计算结果是文字或人脸识别结果。

2.如权利要求1所述的计算方法，所述确定至少一个类中的每类的类中心值包括：

计算所述至少一个类中的每类的参数的平均值，其中所述平均值是对应类的类中心值。

3.如权利要求1所述的计算方法，所述确定至少一个类中的每类的类中心值包括：

计算所述至少一个类中的每类的参数的平均值；以及

将所述平均值取整；

其中，经取整的平均值是对应类的类中心值。

4.如权利要求1至3任一项所述的计算方法，所述聚类采用K均值聚类。

5.如权利要求1至3任一项所述的计算方法，其中，所述计算方法还包括：

利用所述训练数据和所述与之对应的标注内容训练并获得所述第二神经网络。

6.如权利要求1至3任一项所述的计算方法，其中，所述计算方法是利用代码生成器所生成的代码实现的。

7.一种基于神经网络的计算装置，包括：

聚类模块，用于将第二神经网络的至少一个权重系数矩阵的至少一行内的参数聚类；

类中心值确定模块，用于针对所述第二神经网络根据经聚类的参数确定至少一个类中的每类的类中心值；

替换模块，用于针对所述第二神经网络用所述类中心值替换对应类中的参数，以获得第一神经网络；

输入模块，用于将输入的图像数据输入至所述第一神经网络，其中所述第一神经网络的至少一个权重系数矩阵的至少一行内包括相同参数；

计算模块，用于基于所述第一神经网络对所述输入的图像数据进行计算，其中在涉及所述权重系数矩阵的至少一行的矩阵乘法操作中，

将所述矩阵乘法操作所涉及的输入矢量中的、与所述相同参数对应的元素相加，以获得元素和；

将所述元素和与所述相同参数的值相乘，以获得数据积；

根据所述数据积的加和计算涉及所述权重系数矩阵的至少一行的乘法计算结果；以及

输出模块，用于根据所述权重系数矩阵的所有行的乘法计算结果，计算并输出所述第一神经网络的计算结果；

其中所述第二神经网络是利用训练数据和与之对应的标注内容训练获得的，所述训练数据是图像数据，所述标注内容是文字标注或人脸标注，所述计算结果是文字或人脸识别结果。

8.如权利要求7所述的计算装置，所述类中心值确定模块包括：

第一平均值计算单元，用于计算所述至少一个类中的每类的参数的平均值，其中所述平均值是对应类的类中心值。

9.如权利要求7所述的计算装置，所述类中心值确定模块包括：

第二平均值计算单元，用于计算所述至少一个类中的每类的参数的平均值；以及

取整单元，用于将所述平均值取整；

其中，经取整的平均值是对应类的类中心值。