[发明专利]处理器及其数据处理方法、摄像装置

说明书

本发明公开了一种处理器及其数据处理方法、摄像装置。其中，该方法包括：缓存装置，获取待处理数据、神经网络参数和运算指令，其中，运算指令包括配置信息，配置信息用于确定运算模式，并根据运算模式对缓存装置和卷积运算装置进行配置；卷积运算装置，与缓存装置通信连接，用于使用运算模式，根据神经网络参数对待处理数据进行运算。本发明解决了现有技术中的神经网络模型处理装置的通用性差的技术问题。

技术领域

本发明涉及处理器领域，具体而言，涉及一种处理器及其数据处理方法、摄像装置。

背景技术

目前，基于FPGA和ASIC的卷积神经网络加速方案，以及硬件结构设计和性能优化方法，主要面向智能摄像头等针对某一特定应用的嵌入式场景，因而大多还停留在针对某一特定网络结构进行完全定制化设计的层面。这使得这些方案一方面不支持实际业务中使用到的一些新兴算子，另一方面也不能在同一个方案中支持多个不同结构的卷积神经网络的同时计算，从而导致这些方案的通用性受限。

在保证了通用性的前提下，如何利用给定的硬件资源提升计算性能则成为了关键。在极端的情况下，如果为每一种网络连接关系和算子都预留了专用的硬件计算模块和控制流，则在实际运行时会造成大量模块处于空闲状态，浪费硬件资源；而如果把所有算子都拆解到最基本的运算，则退化为CPU或GPU。因此，如何用少量的高层算子完备地支持所有运算，并设计相应的硬件计算模块、缓存模块和控制模块来完成运算，是目前难以实现的。

针对现有技术中的神经网络模型处理装置的通用性差的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种处理器及其数据处理方法、摄像装置，以至少解决现有技术中的神经网络模型处理装置的通用性差的技术问题。

根据本发明实施例的一个方面，提供了一种处理器，包括：缓存装置，获取待处理数据、神经网络参数和运算指令，其中，运算指令包括配置信息，配置信息用于确定运算模式，并根据运算模式对缓存装置和卷积运算装置进行配置；卷积运算装置，与缓存装置通信连接，用于使用运算模式，根据神经网络参数对待处理数据进行运算。本发明解决了现有技术中的神经网络模型处理装置的通用性差的技术问题。

根据本发明实施例的另一方面，还提供了一种处理器的数据处理方法，包括：处理器获取待处理数据、神经网络参数和运算指令，其中，运算指令包括配置信息，配置信息用于确定运算模式，并根据运算模式对缓存装置和卷积运算装置进行配置；处理器使用运算模式，根据神经网络参数对待处理数据进行运算。

根据本发明实施例的另一方面，还提供了一种处理器的数据处理方法，包括：编译器接收待处理数据、神经网络参数和运算指令；编译器向处理器发送获取待处理数据、神经网络参数和运算指令，其中，运算指令包括配置信息，配置信息用于确定运算模式，并根据运算模式对缓存装置和卷积运算装置进行配置，处理器使用运算模式，根据神经网络参数对待处理数据进行运算。

根据本发明实施例的另一方面，还提供了一种摄像装置，包括上述的处理器。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行如下步骤：处理器获取待处理数据、神经网络参数和运算指令，其中，运算指令包括配置信息，配置信息用于确定运算模式，并根据运算模式对缓存装置和卷积运算装置进行配置；处理器使用运算模式，根据神经网络参数对待处理数据进行运算。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行如下步骤：处理器获取待处理数据、神经网络参数和运算指令，其中，运算指令包括配置信息，配置信息用于确定运算模式，并根据运算模式对缓存装置和卷积运算装置进行配置；处理器使用运算模式，根据神经网络参数对待处理数据进行运算。