[发明专利]数据转换方法、乘法器、加法器、终端设备及存储介质

权利要求书

1.一种数据转换方法，将浮点数转换为新标准数，并将转换后的新标准数用于深度神经网络模型的计算，其特征在于：

深度神经网络模型接收输入的输入信号；

其中输入信号的数据格式为浮点数F；

将输入的浮点数F按照以下转化规则进行转换，转换规则为：

其中，a_i为整型数，每个整型数均为n比特，i表示序号，k表示整型数的个数；

根据转换后的浮点数F，设定转换后的新标准数为k个n比特的整型数a_i从高位到低位采用降序或升序排列而成的数；当浮点数F＝0时，k个n比特的整型数均为负无穷；

新标准数的其中一个整型数等于浮点数F的阶码，其他整型数根据浮点数F的尾数从高位向低位进行按位扫描得出；

设定k＝2，n＝8，则新标准数由第一字节a₁和第二字节a₂两个字节组成，则将浮点数转换为新标准数的具体转换过程包括以下步骤：

步骤1、判断浮点数是否等于0，如果是，将新标准数中的第一字节a₁和第二字节a₂均设置为负无穷，结束；否则，进入步骤2；

步骤2、设定第一字节a₁等于浮点数的阶码，设定变量count＝1；

步骤3、判断浮点数的尾数的第24-count位是否等于1，如果是，进入步骤6；否则，进入步骤4；

步骤4、判断count＝23是否成立，如果是，将第二字节a₂设置为负无穷，进入步骤11；否则，进入步骤5；

步骤5、设定count＝count+1，返回步骤3；

步骤6、设定第二字节a₂＝a₁-count；

步骤7、判断浮点数的尾数的第23-count位是否等于0，如果是，进入步骤11；否则，进入步骤8；

步骤8、设定第二字节a₂＝a₂+1；

步骤9、判断a₁a₂是否成立，如果是，进入步骤11；否则，进入步骤10；

步骤10、设定第一字节a₁＝a₁+1，第二字节a₂为负无穷大量；

步骤11、判断浮点数的符号位是否为0，如果是，设定新标准数的高8位为第一字节a₁、低8位为第二字节a₂；否则，设定新标准数的高8位为第二字节a₂、低8位为第一字节a₁；

输出转换后的所述新标准数；

将所述新标准数输出至深度神经网络模型，供神经元所使用。

2.根据权利要求1所述的数据转换方法，其特征在于：当n比特的整数型为负无穷时，该整数型用n个0表示。

3.根据权利要求1所述的数据转换方法，其特征在于：将新标准数转换为浮点数的具体转换过程包括以下步骤：

步骤1、判断新标准数的高8位是否等于低8位，如果是，则设定浮点数等于0，结束；否则进入步骤2；

步骤2、判断新标准数的高8位是否大于低8位，如果是，则将原浮点数的符号位设为0，将高8为设为第一字节a₁，将低8位设为第二字节a₂；否则，将原浮点数的符号位设为1，将高8位设为第二字节a₂，将低8位设为第一字节a₁；

步骤3、设定浮点数的阶码等于第一字节a₁；

步骤4、判断第二字节a₂是否等于负无穷，如果是，将浮点数的尾数设为00000000000000000000000，结束；否则，进入步骤5；

步骤5、计算第一字节a₁和第二字节a₂的差值s：s＝a₁-a₂，设定浮点数的尾数为二进制常量000 0000 0000 0000 0000 0001循环右移s次得到，结束。