[发明专利]基于卷积的数据处理方法和设备

说明书

本申请实施例提供一种基于卷积的数据处理方法和设备，其中，该方法包括：读取卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元，并读取待处理数据中的各移动窗口下的与卷积维度对应的特征数据；将各移动窗口下的与卷积维度对应的特征数据、与卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元之间分别进行卷积运算，得到各输出数据；根据在各特征数据上所得到的输出数据，得到各输出维度上的数据组合，以得到输出数据。降低读取卷积核存储单元的次数，降低读取特征数据的次数。降低对内部数据传输带宽的占用，不需要占用更多的内部数据传输带宽，降低对其他的数据传输和数据过程的影响。

技术领域

本申请涉及人工智能技术领域，具体涉及一种基于卷积的数据处理方法和设备。

背景技术

随着人工智能技术的发展，智能的运算设备开始得到广泛的应用，可以将智能的运算设备应用到各类技术领域中，例如应用到大数据处理领域、算力领域、图像处理领域。并且，由于深度学习已经成为了人工智能技术中重要算法，运算设备逐渐开始运行深度学习算法中的卷积神经网络算法，完成数据运算。

现有技术中，运算设备在运行卷积神经网络算法进行数据运算的时候，运算设备需要读取一个窗口大小下的特征数据，并且读取一个卷积核存储单元；然后，运算设备将一个窗口大小下的特征数据与一个卷积核存储单元之间进行卷积运算。运算设备再读取下一个窗口大小下的特征数据，并且读取下一个卷积核存储单元，将此时读取的特征数据与卷积核存储单元之间进行卷积运算。以此类推。进而运算设备完成数据运算。

然而现有技术中，运算设备在运行卷积神经网络算法进行数据运算的时候，运算设备需要对特征数据和卷积核存储单元进行多次的读取，读取次数较高；会使得运算设备的内部数据传输带宽的占用较多，对内部数据传输带宽的需求较高；甚至在运算设备进行卷积运算的时候，影响到其他的数据传输和数据过程。

发明内容

基于此，有必要针对上述技术问题，提供一种基于卷积的数据处理方法和设备。

第一方面，本申请提供了一种基于卷积的数据处理方法，包括：

读取卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元，并读取待处理数据中的各移动窗口下的与所述卷积维度对应的特征数据；其中，所述待处理数据为数据矩阵，所述待处理数据中包括至少一个特征数据，所述卷积阵列中包括至少一个卷积核存储单元，每一所述卷积核存储单元中包括不同卷积维度上的权重参数单元；

将所述各移动窗口下的与所述卷积维度对应的特征数据、与卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元之间分别进行卷积运算，得到各输出数据；

根据在各所述特征数据上所得到的输出数据，得到各输出维度上的数据组合，以得到输出数据，其中，所述输出数据包括每一所述输出维度上的数据组合。

第二方面，本申请提供了一种运算设备，包括：处理器；

所述处理器，用于：

读取卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元，并读取待处理数据中的各移动窗口下的与所述卷积维度对应的特征数据；其中，所述待处理数据为数据矩阵，所述待处理数据中包括至少一个特征数据，所述卷积阵列中包括至少一个卷积核存储单元，每一所述卷积核存储单元中包括不同卷积维度上的权重参数单元；

将所述各移动窗口下的与所述卷积维度对应的特征数据、与卷积阵列中的各卷积核存储单元中的同一卷积维度上的权重参数单元之间分别进行卷积运算，得到各输出数据；

根据在各所述特征数据上所得到的输出数据，得到各输出维度上的数据组合，以得到输出数据，其中，所述输出数据包括每一所述输出维度上的数据组合。