[发明专利]运算方法、装置及相关产品

权利要求书

1.一种运算方法，其特征在于，所述方法应用于异构计算架构中，所述异构计算架构包括通用处理器和人工智能处理器，包括：

在接收到待处理任务时，判断所述待处理任务的输入图像数据的第一格式与预设的Caffe图像处理模型所支持的输入数据的第二格式是否一致；

在所述第一格式与所述第二格式不一致时，根据所述第一格式及所述第二格式，对所述Caffe图像处理模型的模型定义文件中的卷积核进行处理，得到调整后的模型定义文件，以使根据所述调整后的模型定义文件生成的Caffe图像处理模型所支持的输入图像数据为所述第一格式；

其中，所述卷积核为所述Caffe图像处理模型的首层卷积层对应的卷积核，

所述人工智能处理器用于执行人工智能运算，所述人工智能运算包括机器学习运算和/或类脑运算，

其中，在所述第一格式为单通道数据格式，所述第二格式为多通道数据格式时，所述根据所述第一格式及所述第二格式，对所述Caffe图像处理模型的模型定义文件中的卷积核进行处理，包括：

按照第一运算逻辑对所述模型定义文件中的卷积核进行通道合并，得到合并后的卷积核，所述合并后卷积核的通道与所述第一格式的通道相匹配，

其中，在所述第一格式为单通道数据格式，所述第二格式为多通道数据格式时，若所述第一格式包括灰度图像格式或明度图像格式，所述第二格式包括三基色图像格式，所述第一运算逻辑为加权求和运算，则所述按照第一运算逻辑对所述模型定义文件中的卷积核进行通道合并，包括：

根据所述第一格式和所述第二格式，将所述卷积核各个通道相同位置处的权重值乘以相应的系数后，再对乘以系数后的每个值进行求和运算，得到所述合并后的卷积核。

2.根据权利要求1所述方法，其特征在于，所述第一格式为多通道数据格式，所述第二格式为单通道数据格式；

其中，根据所述第一格式及所述第二格式，对所述Caffe图像处理模型的模型定义文件中的卷积核进行处理，包括：

按照第二运算逻辑对所述模型定义文件中的卷积核进行通道拆分，得到拆分后的卷积核；

其中，所述拆分后的卷积核的通道与所述第一格式的通道相匹配。

3.根据权利要求2所述方法，其特征在于，所述第一格式包括三基色图像格式，所述第二格式包括灰度图像格式或明度图像格式，

所述第二运算逻辑为按比例拆分运算；

其中，按照第二运算逻辑对所述模型定义文件中的卷积核进行通道拆分，包括：

根据所述第一格式和所述第二格式，对所述卷积核各个通道相同位置处的权重值按照相应的拆分系数数组进行拆分，得到所述拆分后的卷积核。

4.根据权利要求1所述方法，其特征在于，所述第一格式包括亮度-色度图像格式，所述第二格式包括灰度图像格式；

其中，根据所述第一格式及所述第二格式，对所述Caffe图像处理模型的模型定义文件中的卷积核进行处理，包括：

在所述模型定义文件的首层卷积层之前添加第一转换层，所述第一转换层，用于将所述第一格式转换为三基色图像格式；

根据所述转换后的三基色图像格式，对所述模型定义文件中的卷积核进行逻辑运算，以使经过逻辑运算后的卷积核的通道与所述第二格式的通道相匹配。

5.根据权利要求1所述方法，其特征在于，所述第一格式和所述第二格式均为三基色图像格式，且所述第二格式的通道数量大于所述第一格式的通道数量，

其中，根据所述第一格式及所述第二格式，对所述Caffe图像处理模型的模型定义文件中的卷积核进行处理，包括：

按照第三运算逻辑对所述模型定义文件中的卷积核进行通道合并，得到合并后的卷积核；

其中，所述合并后卷积核的通道与所述第一格式的通道相匹配；

所述第三运算逻辑为加权求和。

6.根据权利要求1-5中任意一项所述方法，其特征在于，所述方法还包括：

在接收到所述待处理任务的输入图像数据时，根据调整后的模型定义文件和权重文件，生成Caffe图像处理模型；

将所述输入图像数据输入生成的Caffe图像处理模型中处理，得到图像处理结果。