[发明专利]解压缩设备及其控制方法在审
申请号: | 202010435215.1 | 申请日: | 2020-05-21 |
公开(公告)号: | CN111985632A | 公开(公告)日: | 2020-11-24 |
发明(设计)人: | 李桐洙;权世重;金炳旭;帕里查·卡普尔;朴培盛 | 申请(专利权)人: | 三星电子株式会社 |
主分类号: | G06N3/063 | 分类号: | G06N3/063;G06N3/08;G06N3/04 |
代理公司: | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人: | 王达佐;杨莘 |
地址: | 韩国京畿道水*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 解压缩 设备 及其 控制 方法 | ||
1.一种解压缩设备,包括:
存储器,配置为存储待被解压缩并在人工智能模型的神经网络处理中使用的压缩数据;
解码器,包括与所述压缩数据的压缩方法相关的多个逻辑电路,其中所述解码器配置为:
基于所述压缩数据的输入通过所述多个逻辑电路对所述压缩数据进行解压缩,以及
输出解压缩数据;以及
处理器,配置为从所述解码器输出的所述解压缩数据中获得神经网络可处理形式的数据。
2.根据权利要求1所述的解压缩设备,其中,所述存储器进一步配置为存储与所述压缩数据对应的代表值矩阵,
其中,所述处理器进一步配置为:
基于所述解压缩数据和所述代表值矩阵获得所述神经网络可处理形式的数据,以及
使用所述神经网络可处理形式的数据执行所述神经网络处理,以及
其中,所述解压缩数据和所述代表值矩阵包括通过对所述人工智能模型中所包括的原始矩阵进行量化而获得的矩阵。
3.根据权利要求2所述的解压缩设备,
其中,所述存储器进一步配置为存储与所述压缩数据对应的修剪索引矩阵,
其中,所述处理器进一步配置为基于所述修剪索引矩阵更新所述解压缩数据,
其中,所述修剪索引矩阵包括在所述原始矩阵的修剪过程中获得的矩阵,以及
其中,所述修剪索引矩阵在获得所述压缩数据的过程中使用。
4.根据权利要求3所述的解压缩设备,
其中,所述存储器进一步配置为存储与所述压缩数据对应的补丁信息,
其中,所述处理器进一步配置为:基于所述补丁信息改变所述解压缩数据中所包括的多个元素的至少一个元素的二进制数据值,以及
其中,所述补丁信息包括在获得所述压缩数据的过程中生成的误差信息。
5.根据权利要求2所述的解压缩设备,其中,
所述存储器进一步配置为:
存储与所述压缩数据对应的第一修剪索引矩阵,以及
存储与所述压缩数据对应的第二修剪索引矩阵,
其中,所述处理器进一步配置为:
基于所述第一修剪索引矩阵和所述第二修剪索引矩阵获得修剪索引矩阵,以及
基于所述修剪索引矩阵更新所述解压缩数据,
其中,所述修剪索引矩阵包括在所述原始矩阵的修剪过程中获得的矩阵,
其中,所述修剪索引矩阵在获得所述压缩数据的过程中使用,以及
其中,所述第一修剪索引矩阵和所述第二修剪索引矩阵分别是基于通过因式分解所述原始矩阵所获得的第一子矩阵和第二子矩阵中的每一者而获得的。
6.根据权利要求2所述的解压缩设备,其中,所述解压缩数据包括通过对所述原始矩阵进行交错并且接着对交错后的矩阵进行量化来获得的矩阵,以及
其中,所述处理器进一步配置为:
根据与所述交错对应的方式对所述神经网络可处理形式的数据进行去交错,以及
使用去交错后的数据来执行所述神经网络处理。
7.根据权利要求2所述的解压缩设备,
其中,所述处理器包括以矩阵形式排列的多个处理元件,以及
其中,所述处理器进一步配置为使用所述多个处理元件来执行所述神经网络处理。
8.根据权利要求2所述的解压缩设备,其中所述解压缩数据包括:通过将所述原始矩阵划分成具有相同列数和行数的多个矩阵并对所划分的多个矩阵之一进行量化来获得的矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三星电子株式会社,未经三星电子株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010435215.1/1.html,转载请声明来源钻瓜专利网。