[发明专利]针对折叠特征数据执行卷积运算的方法和装置有效
申请号: | 201711212000.8 | 申请日: | 2017-11-28 |
公开(公告)号: | CN107832842B | 公开(公告)日: | 2020-05-22 |
发明(设计)人: | 李德林;凌坤;陈亮;李建军 | 申请(专利权)人: | 南京地平线机器人技术有限公司 |
主分类号: | G06N3/063 | 分类号: | G06N3/063 |
代理公司: | 北京市正见永申律师事务所 11497 | 代理人: | 黄小临;王怀章 |
地址: | 210046 江苏省南京市*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 针对 折叠 特征 数据 执行 卷积 运算 方法 装置 | ||
公开了一种针对折叠特征数据执行卷积运算的方法和装置。该方法包括:对提供给卷积层的折叠特征数据和原始卷积核执行预处理;根据折叠特征数据的折叠方式,在宽度和高度中的至少一个维度上折叠经预处理的原始卷积核,以生成与原始卷积核相对应的一个或多个折叠卷积核;以及使用所生成的一个或多个折叠卷积核对经预处理的折叠特征数据执行卷积运算。通过该方法,能够直接对折叠特征数据执行卷积运算,而无需将折叠特征数据展开成常规的未折叠特征数据,有利于提高运算效率。
技术领域
本发明总体上涉及卷积神经网络的技术领域,并且具体地涉及针对折叠特征数据执行卷积运算的方法和装置。
背景技术
基于卷积神经网络的深度学习技术已经被广泛地应用于图像识别、视频分析、自然语言处理、辅助驾驶等不同的领域。卷积神经网络中的运算量通常很大。期望能够使用诸如通用的中央处理器(CPU)、图形处理器(GPU)或专用加速器等硬件高效地执行卷积神经网络中的运算。
发明内容
一方面,提供一种针对折叠特征数据执行卷积运算的方法和装置。该方法包括:对提供给卷积层的折叠特征数据和原始卷积核执行预处理;根据折叠特征数据的折叠方式,在宽度和高度中的至少一个维度上折叠经预处理的原始卷积核,以生成与原始卷积核相对应的一个或多个折叠卷积核;以及使用所生成的一个或多个折叠卷积核对经预处理的折叠特征数据执行卷积运算。
另一方面,还提供一种针对折叠特征数据执行卷积运算的装置。该装置可以包括被配置为执行上述方法的一个或多个处理器。
另一方面,还提供一种针对折叠特征数据执行卷积运算的装置。该装置可以包括:预处理器,被配置为对提供给卷积层的折叠特征数据和原始卷积核执行预处理;折叠器,被配置为根据折叠特征数据的折叠方式,在宽度和高度中的至少一个维度上折叠经预处理的原始卷积核,以生成与原始卷积核相对应的一个或多个折叠卷积核;以及运算器,被配置为使用所生成的一个或多个折叠卷积核对经预处理的折叠特征数据执行卷积运算。
另外,还提供一种非临时性存储介质,在其上存储有在被计算装置执行时执行上述方法的程序指令。
通过根据本公开的实施例的方法和/或装置,能够直接对折叠特征数据执行卷积运算,而无需将折叠特征数据展开成常规的未折叠特征数据,有利于提高运算效率。
附图说明
图1示出根据本公开的实施例的折叠特征数据的示例。
图2示出根据本公开的实施例的折叠特征数据的示例。
图3示出根据本公开的实施例的针对折叠特征数据执行卷积运算的方法的流程图。
图4示出根据本公开的实施例的对折叠特征数据和原始卷积核执行预处理的示例。
图5示出根据本公开的实施例的在一个维度上折叠经预处理的原始卷积核的示例。
图6示出根据本公开的实施例的在两个维度上折叠经预处理的原始卷积核的示例。
图7示出根据本公开的实施例的执行卷积运算的示例。
图8示出根据本公开的实施例的执行卷积运算的示例。
图9示出根据本公开的实施例的针对折叠特征数据执行卷积运算的装置的示例。
图10示出根据本公开的实施例的针对折叠特征数据执行卷积运算的装置的示例。
具体实施方式
提供给卷积神经网络的一个特征数据可以被视为一个数据立方体,并且可以具有宽度、高度和深度(即,不同的通道)等多个维度,该特征数据中的每个数据可以分别对应于数据立方体中的一个点。相应地,卷积神经网络中用于卷积运算的权重参数每个卷积核也可以被视为一个数据立方体。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京地平线机器人技术有限公司,未经南京地平线机器人技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711212000.8/2.html,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置