[发明专利]数据传输技术及神经网络系统

说明书

本申请提供了一种数据传输技术及神经网络系统。根据该数据传输技术，当第一传输节点接收到第一数据流的第一数据包后，第一传输节点可以以所述第一数据流的第一流编码ID为索引获得第一端口以及所述第一数据流的第二流ID，所述第二流ID为所述第一数据流在第二传输节点的流ID。所述第一传输节点根据所述第二流ID将所述第一数据包转换为包含所述第二流ID的第二数据包，并将所述第二数据包通过所述第一端口发送给所述第二传输节点。本申请提供的数据传输技术能够提升神经网络系统中的数据转发效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种数据传输技术及神经网络系统。

背景技术

深度学习(Deep Learning，DL)是人工智能一个重要分支，深度学习是为了模仿人脑构造的一种神经网络，可以达到比传统的浅层学习方式更好的识别效果。近年来，深度神经网络在图像识别，语音识别等领域取得了广泛的成功。由于神经网络处理的数据量很大，因此如何提高神经网络的处理速度成为神经网络的重要方向。

基于流处理的神经网络中，一个节点处理完数据后，就将处理结果发送给其他节点进行处理。这种流水线式的处理方式能够使得多个节点并发处理同一条数据流，提高处理效率。在流处理过程中，数据需要在多个节点间传输。数据传输通常包括单播和多播两种方式。单播传输是指将数据包传递给单一目的地址。多播传输是指将数据包同时传输给多个目的地址。具体的，在以多播的形式将数据包传输给多个目的地址时，数据包在链路上只传递一次，只有在链路分叉时，数据包才会被复制分别传输给不同的节点，因此，多播传输的方式，减少量网络中重复的数据包的数量，提升了传输效率。

现有技术中，多播传输通常以查询多播表的方式实现。具体实现时，每个传输节点配置一个多播表，所述多播表包括数据流的流编码(ID)以及传输端口。每个传输节点以流ID为索引，通过查询所述多播表获得数据包的传输端口，从而，将数据包从端口传输到下一传输节点。现有技术中通常以数据流的源地址以及所述数据流的目的地址作为数据流的全局ID，为每个传输节点配置多播表。然而这种使用全局ID指示数据流的方式，如果在每个节点都为每条流预留一个表项，则会造成多播表中的流表项的数量很大，造成存储空间的浪费。如果各节点只存储流经该节点的数据流的流表项，则会造成各节点中的多播表中的流编码不连续，查询多播表时，查询速度较慢，影响神经网络的处理速度。

发明内容

本申请提供的一种数据传输技术及神经网络系统，能够提升神经网络中的数据传输速度。

第一方面，本发明实施例提供了一种数据传输方法，根据所述数据传输方法，第一传输节点接收第一数据包后，以所述第一数据包所属的第一数据流的第一流编码ID为索引获得第一端口以及所述第一数据流的第二流ID，其中，所述第二流ID为所述第一数据流在第二传输节点的流ID。第一传输节点根据所述第二流ID将所述第一数据包转换为第二数据包，并通过所述第一端口将所述第二数据包发送给所述第二传输节点。

本发明实施例所述的数据传输方法中，在第一传输节点接收到第一数据流的第一数据包后，由于第一传输节点能够以第一数据包携带的第一数据流的第一流编码获得第一数据流在第二传输节点中的第二流编码信息，并根据获得的第二流编码将第一数据包转换为第二数据包，因此，根据这种方式，虽然各传输节点只对流经该传输节点的数据流建立表项，但各传输节点仍然能够以接收的数据包中的数据流编码为索引快速查到传输数据包的端口信息。从而，能够在减少多播表的表项数量的基础上提升各传输节点传输数据包的速度。

在第一种可能的实现方式中，所述第一传输节点属于第一传输节点集合，所述第二传输节点属于第二传输节点集合，所述第一流ID和所述第二流ID不同。

结合第一方面或第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述第一传输节点以所述第一流ID为索引从所述第一传输节点的第一多播表中获得所述第一端口以及所述第一数据流的第二流ID，所述第一多播表用于指示所述第一传输节点传输所述第一数据流的数据包的端口信息。