[发明专利]运算方法及相关方法和产品在审
| 申请号： | 201810682056.8 | 申请日： | 2018-06-27 |
| 公开（公告）号： | CN110647973A | 公开（公告）日： | 2020-01-03 |
| 发明（设计）人： | 不公告发明人 | 申请（专利权）人： | 北京中科寒武纪科技有限公司 |
| 主分类号： | G06N3/02 | 分类号： | G06N3/02 |
| 代理公司： | 11277 北京林达刘知识产权代理事务所(普通合伙) | 代理人： | 刘新宇 |
| 地址： | 100190 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 分解 分解单元 分解运算 运算单元 运算 控制器单元 指令 结果传送 运算结果 准确率 | ||
1.一种基于张量分解的运算方法，其特征在于，所述方法应用于张量分解运算装置，所述张量分解运算装置包括控制器单元、运算单元和张量分解单元，所述方法包括：
所述张量分解单元在所述控制器单元的控制下，获取待分解张量和张量分解指令；
所述张量分解单元根据所述待分解张量和所述张量分解指令进行张量分解运算，得到张量分解结果；
所述张量分解单元将所述张量分解结果传送至所述运算单元，以使所述运算单元根据所述张量分解结果进行运算。
2.根据权利要求1所述的方法，其特征在于，所述张量分解单元根据所述待分解张量和所述张量分解指令进行张量分解运算，得到张量分解结果，包括：
所述张量分解单元根据所述待分解张量和所述张量分解指令进行秩选择，得到秩选择结果；
所述张量分解单元根据所述秩选择结果进行张量分解运算，得到张量分解结果。
3.根据权利要求2所述的方法，其特征在于，所述张量分解单元根据所述待分解张量和所述张量分解指令进行秩选择，得到秩选择结果，包括：
所述张量分解单元根据所述待分解张量和所述张量分解指令，利用变分贝叶斯矩阵分解进行秩选择，得到秩选择结果。
4.根据权利要求2或3所述的方法，其特征在于，所述张量分解单元根据所述待分解张量和所述张量分解指令进行秩选择，得到秩选择结果，包括：
所述张量分解单元根据所述待分解张量、所述张量分解指令和选择精度进行秩选择，得到秩选择结果。
5.根据权利要求2所述的方法，其特征在于，所述张量分解单元根据所述待分解张量和所述秩选择结果进行张量分解运算，得到张量分解结果，包括：
所述张量分解单元根据所述秩选择结果，利用Tucker-2分解进行张量分解运算，得到张量分解结果。
6.根据权利要求2所述的方法，其特征在于，所述张量分解单元包括秩选择模块，所述张量分解单元在所述控制器单元的控制下，获取待分解张量和张量分解指令，包括：
所述秩选择模块在所述控制器单元的控制下，获取待分解张量和张量分解指令；
所述张量分解单元根据所述待分解张量和所述张量分解指令进行秩选择，得到秩选择结果，包括：
所述秩选择模块根据所述待分解张量和所述张量分解指令进行秩选择，得到秩选择结果。
7.根据权利要求2所述的方法，其特征在于，所述张量分解单元包括张量分解模块，所述张量分解单元根据所述秩选择结果进行张量分解运算，得到张量分解结果，包括：
所述张量分解模块根据所述秩选择结果进行张量分解运算，得到张量分解结果。
8.一种基于张量分解的神经网络运算方法，其特征在于，所述方法包括：
在神经网络运算过程中，采用如权利要求1至7中任一项所述的基于张量分解的运算方法对所述神经网络的运算数据进行张量分解，得到所述运算数据的张量分解结果，并根据所述运算数据的张量分解结果完成所述神经网络运算，
所述神经网络的运算数据包括以下数据中的其中一种或任意组合：输入神经元数据、输出神经元数据、权值和权值的梯度。
9.根据权利要求8所述的方法，其特征在于，所述方法包括：
在所述神经网络运算的正向传播过程中，获取所述输入神经元数据和所述权值；
采用如权利要求1至7中任一项所述的基于张量分解的运算方法对所述权值进行张量分解，得到所述权值的张量分解结果；
根据所述输入神经元数据和所述权值的张量分解结果，得到所述输出神经元数据。
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北京中科寒武纪科技有限公司，未经北京中科寒武纪科技有限公司许可，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/201810682056.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种螺丝计数系统
- 下一篇：深度神经网络中的网络层运算方法及装置
