[发明专利]一种神经网络的仿真方法和装置

权利要求书

1.一种神经网络的仿真方法，其特征在于，该方法包括：

将用于存放神经网络模型中部分或全部隐含层仿真数据的公共存放路径与当前待仿真的隐含层的层标识进行拼接，生成当前待仿真的隐含层的仿真数据存放路径；

根据从生成的所述数据存放路径对应的文件中获取的数据，进行针对所述当前待仿真的隐含层的仿真；

其中，所述将用于存放神经网络模型中部分或全部隐含层仿真数据的公共存放路径与当前待仿真的隐含层的层标识进行拼接，生成当前待仿真的隐含层的仿真数据存放路径之后，根据从生成的所述数据存放路径对应的文件中获取的数据，进行针对所述当前待仿真的隐含层的仿真之前，还包括：

将当前待仿真的隐含层的仿真数据存放到预先建立的所述当前待仿真的隐含层的仿真数据存放路径中，其中，所述仿真数据存放路径是由用于存放隐含层仿真数据的公共存放路径与所述当前待仿真的隐含层的层标识组成的。

2.如权利要求1所述的神经网络的仿真方法，其特征在于，所述将用于存放神经网络模型中部分或全部隐含层仿真数据的公共存放路径与当前待仿真的隐含层的层标识进行拼接，生成当前待仿真的隐含层的仿真数据存放路径之前，还包括：

判断已仿真的隐含层的层数是否未超过设定的目标仿真层数目；

如果是，则根据目标仿真层的层标识和仿真顺序确定当前待仿真的隐含层的层标识；

否则，结束仿真。

3.如权利要求1所述的神经网络的仿真方法，其特征在于，所述将用于存放神经网络模型中部分或全部隐含层仿真数据的公共存放路径与当前待仿真的隐含层的层标识进行拼接，生成当前待仿真的隐含层的仿真数据存放路径，包括：

将所述当前待仿真的隐含层的层标识对应的整型数据转换为字符型数据；

通过调用动态路径生成函数，将所述公共路径与所述当前待仿真的隐含层的层标识对应的字符型数据拼接生成所述当前待仿真的隐含层的数据存放路径。

4.如权利要求1所述的神经网络的仿真方法，其特征在于，所述根据从生成的所述数据存放路径对应的文件中获取的数据，进行针对所述当前待仿真的隐含层的仿真，包括：

将配置参数动态数组中的配置参数、将权重参数动态数组中的权重参数、将偏置参数动态数组中的偏置参数导入仿真模型；

其中，所述配置参数动态数组是根据从所述对应的文件中的配置参数文件中获取的配置参数文件行数生成的；所述权重参数动态数组是根据从所述对应的文件中的权重参数文件中获取的权重参数文件行数生成的；所述偏置参数动态数组是根据从所述对应的文件中的偏置参数中获取的偏置参数文件行数生成的。

5.一种神经网络的仿真装置，其特征在于，该装置包括：

处理器以及存储器，其中，所述存储器存储有程序代码，当所述存储器存储的一个或多个计算机程序被所述处理器执行时，使得所述装置执行下列过程：

将用于存放神经网络模型中部分或全部隐含层仿真数据的公共存放路径与当前待仿真的隐含层的层标识进行拼接，生成当前待仿真的隐含层的仿真数据存放路径；

根据从生成的所述数据存放路径对应的文件中获取的数据，进行针对所述当前待仿真的隐含层的仿真；

其中，所述处理器还用于：

将当前待仿真的隐含层的仿真数据存放到预先建立的所述当前待仿真的隐含层的仿真数据存放路径中，其中，所述仿真数据存放路径是由用于存放隐含层仿真数据的公共存放路径与所述当前待仿真的隐含层的层标识组成的。

6.如权利要求5所述的神经网络的仿真装置，其特征在于，所述处理器还用于：

判断已仿真的隐含层的层数是否未超过设定的目标仿真层数目；

如果是，则根据目标仿真层的层标识和仿真顺序确定当前待仿真的隐含层的层标识；

否则，结束仿真。

7.如权利要求5所述的神经网络的仿真装置，其特征在于，所述处理器具体用于：

将所述当前待仿真的隐含层的层标识对应的整型数据转换为字符型数据；

通过调用动态路径生成函数，将所述公共路径与所述当前待仿真的隐含层的层标识对应的字符型数据拼接生成所述当前待仿真的隐含层的数据存放路径。

8.如权利要求5所述的神经网络的仿真装置，其特征在于，所述处理器具体用于：

将配置参数动态数组中的配置参数、将权重参数动态数组中的权重参数、将偏置参数动态数组中的偏置参数导入仿真模型；

其中，所述配置参数动态数组是根据所述对应的文件中的配置参数文件中获取的配置参数文件行数生成的；所述权重参数动态数组是根据从所述对应的文件中的权重参数文件中获取的权重参数文件行数生成的；所述偏置参数动态数组是根据从所述对应的文件中的偏置参数中获取的偏置参数文件行数生成的。