[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，本公开可以提高数据的复用率。

技术领域

本公开涉及数据处理技术领域，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

在人工智能技术领域，神经网络算法是最近非常流行的一种机器学习算法，在各种领域中都取得了非常好的效果，比如图像识别，语音识别，自然语言处理等。随着神经网络算法的发展，算法的复杂度也越来越高，为了提高识别度，模型的规模也在逐渐增大。用GPU和CPU处理起这些大规模的模型，要花费大量的计算时间，并且耗电量很大。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高了数据的复用率的数据处理方法、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，包括：

将第一卷积核按照步长N进行拆分，得到多个第二卷积核；

将第一输入数据按照步长N进行拆分，得到与多个所述第一卷积核对应的多个第二输入数据；

针对任一所述第二输入数据，将该第二输入数据与对应的所述第二卷积核执行winograd卷积操作，得到所述第二输入数据对应的卷积结果；

确定所述多个第二输入数据对应的卷积结果的和为所述第一卷积核与所述第一输入数据的卷积结果。

根据本公开的另一方面，提供了一种数据处理装置，包括：

第一拆分模块，用于将第一卷积核按照步长N进行拆分，得到多个第二卷积核；

第二拆分模块，用于将第一输入数据按照步长N进行拆分，得到与多个所述第一卷积核对应的多个第二输入数据；

卷积模块，用于针对任一所述第二输入数据，将该第二输入数据与对应的所述第二卷积核执行winograd卷积操作，得到所述第二输入数据对应的卷积结果；

确定模块，用于确定所述多个第二输入数据对应的卷积结果的和为所述第一卷积核与所述第一输入数据的卷积结果。

根据本公开的另一方面，提供了一种人工智能芯片，所述芯片包括如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，以执行前述中任意一项所述的方法。