[发明专利]基于掩码的稀疏矩阵压缩的方法、系统以及程序产品

说明书

本发明公开了一种基于掩码的稀疏矩阵压缩的方法，系统和程序产品，其包括以顺序方式检查第一矩阵的元素；确定检查元素的数值；如果确定的数值等于零，则将第一掩码的对应比特设定为第一个数值；如果确定的数值不等于零，则将第一掩码的对应比特设定为第二数值；非零数值被打包在第一矢量中，其中至少一第一掩码的比特决定对打包数值的操作。

相关共同待审美国专利申请

不适用

政府资助研究与开发

不适用

序列表、表格或计算机列表附录引用

不适用

版权声明

本专利文件的公开内容的一部分包含受其作者的版权保护的材料。一旦专利文件或专利公开内容出现在专利商标局、专利文件或记录中，除其他所有保留版权的情况外，版权所有者不反对任何人以引用为目的将其作为现有技术进行传真复制。

背景技术

本发明的一个或多个实施例一般涉及数据压缩。更具体地来说，本发明的某些实施例涉及基于掩码的压缩方案。

以下背景信息可以呈现先前技术的特定方面的示例(例如，但不限于，方法、事实或常识)，尽管预期有助于进一步教育读者关于先前的其他方面。本领域技术人员不应将本发明或其任何实施例限制于其中陈述或暗示或推断的任何内容。

典型的神经网络可以使用输入数据和权重来对对象进行分类，权重和特征映像通常可能很大。在数值分析中，稀疏矩阵是大多数元素为零的矩阵。相反地，如果大多数元素不等于零，那幺矩阵被认为是密集的。零数值元素的数量除以元素的总数称为矩阵的稀疏度。当在计算器上存储和操作稀疏矩阵时，利用矩阵的稀疏结构的专用算法和数据结构可能是有益的并且通常是必要的。当应用于大型稀疏矩阵时，使用标准密集矩阵结构和算法的操作被认为是缓慢且低效的，因为处理器和存储器被浪费在零上。稀疏数据本质上更容易压缩，因此需要的存储量会显着地减少。

以下是先前技术中的特定方面的示例，尽管预期有助于进一步教育读者关于先前技术的其他方面，但是不应将其中陈述或暗示或推断的任何事情作为限制本发明或本发明任何实施例的限制。压缩稀疏行(CSR)或压缩行存储(CRS)格式表示三个(一维)数组的矩阵，它们分别包含非零数值、行的范围和列的索引。压缩稀疏列(CSC)与压缩稀疏行类似，其中它们的不同之处在于，首先按列读取数值，为每个数值存储行的索引，并且存储列的指针。一般而言这些技术不是非常有效，需要对矩阵矢量的积或预处理器求解中的每个单一标量运算进行间接寻址步骤。

鉴于前述内容，显然这些先前技术有些缺点，并且为更优化的方法留出了许多可供改善的空间。

附图说明

附图说明通过示例而非限制的方式在附图中举例说明了本发明，并且其中相同的附图标记表示类似的组件，并且其中：

图1A、1B和1C举例说明一个压缩稀疏矩阵格式的实施例。

图2A、2B和2C举例说明一个根据本发明实施例的压缩格式。

图3举例说明一个根据本发明实施例的用于压缩的方法。

图4A、4B和4C举例说明一个根据本发明实施例的压缩格式。

图5A和5B举例说明一个根据本发明实施例的两个级别的金字塔掩码压缩格式。

图6举例说明一个根据本发明实施例的两个级别的金字塔掩码压缩格式。

图7A-7D举例说明一个根据本发明实施例的卷积运算。

图8举例说明一个根据本发明实施例的混合两个级别的金字塔掩码压缩格式。

图9举例说明一个根据本发明实施例的程序结构。