[发明专利]压缩/解压缩的装置和系统、芯片、电子装置、方法

权利要求书

1.一种用于神经网络数据的压缩装置，包括：

模型转换模块(120)，用于将神经网络数值数据转化为类视频数据；以及

数据编码模块(131)，与所述模型转换模块(120)相连接，用于采用视频编码的方式对所述类视频数据进行编码，得到压缩结果；其中，所述类视频数据是指经过模型转换模块的转换后，原来的每个神经网络数值数据被转换为一系列预设范围内的整数值，对应于一个个像素的表示，这些整数共同所构成的对应视频的数据；所述模型转换模块(120)采用以下两种方式其中之一将神经网络数值数据转化为类视频数据：

第一种方式：确定神经网络数值数据的数据范围[-b,a]，a是大于或者等于整个神经网络数值数据的最大值的正整数，-b是小于或等于整个神经网络模型数据的最小值的负整数；

模型转换模块(120)按以下公式操作进行转换：

其中，I是在[0,(2^t-1)]区间内的整数，即一个像素的表示；w是在[-b,a]范围内的神经网络数值数据的真实数据值，t为正整数；

第二种方式：对于卷积神经网络数值数据，模型转换模块(120)将卷积神经网络数值数据中的每一种卷积核的权值和偏置进行转换，并将权值和偏置转换后得到的整数整合起来，得到对应视频帧的数据，从多种卷积核的权值和偏置得到的类似视频帧的数据结合起来就得到类视频数据。

2.根据权利要求1所述的压缩装置，其中，所述数据编码模块(131)包括：

编码子模块，用于采用视频编码的方式对所述类视频数据进行编码，得到数据编码结果；以及

整合子模块，用于将数据编码结果和编码过程信息进行整合，得到压缩结果。

3.根据权利要求2所述的压缩装置，其中，所述编码子模块包括：

预测单元(130a)，用于利用类视频数据相邻数据之间的相关性进行预测编码；

变换单元(130b)，用于对经过预测单元处理后的类视频数据进行正交变换编码，以压缩数据；

量化单元(130c)，用于对经过变换单元处理后的类视频数据进行量化编码，在不降低数据质量的前提下减少数据的编码长度；以及

熵编码单元(130d)，用于利用数据的统计特性对经过量化单元处理后的类视频数据进行码率压缩编码，以减少数据冗余。

4.根据权利要求3所述的压缩装置，其中，所述预测单元(130a)、变换单元(130b)、量化单元(130c)、熵编码单元(130d)共用同一数据缓存单元或分别对应一数据缓存单元。

5.根据权利要求2所述的压缩装置，其中，所述编码子模块包括：

深度自动编码器单元，用于对模型转换模块输出的类视频数据进一步编码，将隐层输出作为编码结果；

其中，所述深度自动编码器单元通过将类视频数据作为训练输入和理想输出利用最小化重构误差的方法进行训练，使输出成为与输入类视频数据基本相同的数据。

6.根据权利要求1所述的压缩装置，还包括：

结构信息编码模块，用于将神经网络结构信息进行编码，得到神经网络结构数据。

7.根据权利要求6所述的压缩装置，其中，

所述神经网络数值数据包括：神经网络的权值数据和偏置数据；

所述神经网络结构信息包括：神经元之间的连接方式、层内神经元数目、激活函数种类；

所述结构信息编码模块采用如下方式对神经网络结构信息进行编码：记录神经网络各层的层内神经元数目；对激活函数种类进行编码；用邻接矩阵表示各相邻层之间神经元的连接关系，从而得到以层号为索引号，神经元激活函数种类编号和邻接矩阵为索引结果的索引结构，即为神经网络结构数据。