[发明专利]一种数据处理方法及处理装置

说明书

本申请实施例公开一种神经网络模型、数据处理方法及处理装置，涉及计算机技术领域，解决神经网络模型处理不同任务性能低的问题。神经网络模型用于执行N个任务，包括M个网络层，M为正整数，第i个网络层具有用于执行N个任务中的每个任务的共享权重值和N组特有权重值，每组特有权重值用于执行N个任务中的一个任务，每组特有权重值与N个任务中的一个任务一一对应，1≤i≤M；第i个网络层在执行第一任务时被配置为：获取输入数据；根据第t组特有权重值、共享权重值以及输入数据，获取输出数据；当1≤i＜M时，向第i+1个网络层传输输出数据，第t组特有权重值与第一任务对应，1≤t≤N；当i＝M时，输出输出数据。

技术领域

本申请实施例涉及计算机技术领域，尤其涉及一种神经网络模型、数据处理方法及处理装置。

背景技术

神经网络模型是一种由大量的节点(或称为神经元)相互联接组成的运算模型。常用的神经网络模型包括输入层、输出层以及多个隐藏层(也称为隐层)。对于任一隐藏层而言，该隐藏层的输出作为该隐藏层的下一层(另一隐藏层或输出层)的输入。神经网络模型中除输出层以外的每一层均可根据相应参数集(如权重值)对其输入数据进行计算，以生成输出数据。

卷积神经网络(Convolutional Neural Network，CNN)模型为其中一种神经网络模型。 CNN模型在图像识别、语音处理、智能机器人等应用领域取得了令人瞩目的成果。对多个任务进行处理的卷积神经网络模型的泛化能力较强，能够适当降低每个任务占用的资源以及存储成本。

发明内容

本申请实施例提供一种神经网络模型、数据处理方法及处理装置，能够解决神经网络模型在处理不同任务时性能低的问题。

为达到上述目的，本申请采用如下技术方案：

第一方面，提供一种神经网络模型，该神经网络模型用于执行N(N为大于或等于2的整数)个任务，该N个任务包括第一任务，所述神经网络模型包括M(M为正整数)个网络层，M个网络层中的第i(1≤i≤M，i为整数)个网络层具有共享权重值和N组特有权重值，这里的共享权重值用于执行所述N个任务中的每个任务，N组特有权重值中的每组特有权重值用于执行所述N个任务中的一个任务，且每组特有权重值与所述N个任务中的一个任务一一对应。第i个网络层在执行第一任务时被配置为：获取输入数据；根据第t(1≤t≤N，t为整数)组特有权重值、上述共享权重值以及获取到的输入数据，获取输出数据；当1≤i＜M 时，向M个网络层中的第i+1个网络层传输上述输出数据，其中，第t组特有权重值与第一任务对应；当i＝M时，输出上述输出数据。

第i个网络层的N组特有权重值中的每组特有权重值用于执行N个任务中的一个任务，且每组特有权重值与N个任务中的一个任务一一对应，因此，对于任意一个任务而言，第i 个网络层在进行数据处理时，只需要获取共享权重值以及与当前任务对应的特定权重值即可，而无需获取与其他任务对应的特定权重值，有效的提高了第i个网络层的性能，进而提高了神经网络模型的性能。

此外，由于共享权重值用于执行N个任务中的每个任务，因此，在切换任务的场景中，第i个网络层无需重新获取共享权重值，只需获取与当前任务对应的特有权重值即可，减少了数据的读取次数，提高了处理性能。

可选的，在本申请的一种可能的实现方式中，上述第i个网络层为卷积层、全连接层、反卷积层和循环层中的任意一种。

在实际应用中，第i个网络层可以为卷积层，也可以为全连接层，还可以为反卷积层，还可以为循环层，本申请对此不作具体限定。