[发明专利]数据处理方法、装置、计算机设备和存储介质

说明书

本公开涉及一种数据处理方法、装置、计算机设备和存储介质。所述计算机设备包括控制模块，所述控制模块包括：指令缓存单元、指令处理单元和存储队列单元；所述指令缓存单元，用于存储所述人工神经网络运算关联的计算指令；所述指令处理单元，用于对所述计算指令解析得到多个运算指令；所述存储队列单元，用于存储指令队列，该指令队列包括：按该队列的前后顺序待执行的多个运算指令或计算指令。通过以上方法，本公开可以提高相关产品在进行神经网络模型训练过程中的运算效率。

技术领域

本公开涉及人工智能技术领域，特别是涉及一种数据处理方法、装置、计算机设备和存储介质。

背景技术

随着人工智能技术的发展，出现了深度学习技术，目前深度学习都是采用在线模型进行实现，采用在线模型进行深度学习会在神经网络模型的训练过程中，依次在人工智能处理器上将神经网络模型中每一个算子编译为二进制指令进行运行，并返回计算结果和状态，这种神经网络模型的训练方法占用CPU资源过多，CPU的功耗高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够减少在神经网络模型的训练过程中对CPU资源的占用，降低CPU功耗的神数据处理方法、装置、计算机设备和存储介质。

根据本公开的一方面，提供了一种数据处理方法，所述方法包括：

获取执行文件，所述执行文件包括将神经网络模型进行编译后得到的，用于在人工智能处理器上执行的二进制指令；

将所述执行文件输入人工智能处理器，以使所述人工智能处理器根据输入数据和所述执行文件对所述神经网络模型进行训练，得到所述神经网络模型的训练结果。

根据本公开的另一方面，提供了一种数据处理装置，包括：

获取模块，用于获取执行文件，所述执行文件包括将神经网络模型进行编译后得到的，用于在人工智能处理器上执行的二进制指令；

执行模块，用于将所述执行文件输入人工智能处理器，以使所述人工智能处理器根据输入数据和所述执行文件对所述神经网络模型进行训练，得到所述神经网络模型的训练结果。

根据本公开的另一方面，提供了一种人工智能芯片，所述芯片包括前述任意一项所述的数据处理装置。

根据本公开的另一方面，提供了一种电子设备，所述电子设备包括如前述的人工智能芯片。

根据本公开的另一方面，提供了一种板卡，所述板卡包括：存储器件、接口装置和控制器件以及如前述的人工智能芯片；

其中，所述人工智能芯片与所述存储器件、所述控制器件以及所述接口装置分别连接；

所述存储器件，用于存储数据；

所述接口装置，用于实现所述人工智能芯片与外部设备之间的数据传输；

所述控制器件，用于对所述人工智能芯片的状态进行监控。

根据本公开的另一方面，提供了一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述任意一项数据处理方法。

根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现前述任意一项所述的数据处理方法。