[发明专利]用于执行反卷积操作的方法、板卡及其计算装置

说明书

本披露公开了一种执行反卷积操作的方法、集成电路板卡及其相应的计算装置。其中该计算装置可以包括在组合处理装置中，该组合处理装置还可以包括通用互联接口和其他处理装置。所述计算装置与其他处理装置进行交互，共同完成用户指定的计算操作。组合处理装置还可以包括存储装置，该存储装置分别与计算装置和其他处理装置连接，用于存储该处理装置和其他处理装置的数据。本披露的方案可以加快在神经网络中反卷积运算的执行速度。

技术领域

本披露一般地涉及人工智能领域。更具体地，本披露涉及一种用于执行反卷积操作的方法、集成电路板卡及其相应的计算装置。

背景技术

在人工智能领域(例如卷积神经网络)中，反卷积操作通常涉及根据遍历输入数据的滑动步长(Stride)与卷积核(Kernel)的大小，对输入数据进行多次的补零操作。然而，对零值输入数据执行反卷积运算会造成在补零位置上存在着大量的冗余运算。这样的运算浪费了宝贵的硬件运算资源，造成资源的实际利用率较低。另外，在前述滑动步长较大时，多次补零操作也会导致原始输入数据规模变得极其庞大，甚至超出原始数据量若干倍，从而对存储空间提出更高的要求。显然，这样的补零操作不仅增加了运算的工作量、数据在运算资源和存取上的成本，还因此造成执行反卷积运算更加耗时，从而增加了反卷积操作的运算成本并降低其效率。

发明内容

为了至少解决在上述背景技术部分所描述的一个或多个问题，本披露提出如下的技术方案及其多个实施例。

在一个方面中，本披露公开了一种用于执行反卷积操作的计算装置，所述反卷积操作包括输入数据与卷积核之间的反卷积运算，该计算装置包括拆核单元，其配置成对所述卷积核执行拆分操作，以获得多个子卷积核；以及运算单元，其配置成利用所述多个子卷积核的每个子卷积核与所述输入数据进行所述反卷积运算，以获得反卷积结果。

在另一个方面中，本披露还公开了一种用于执行反卷积操作的方法，所述反卷积操作包括输入数据与卷积核之间的反卷积运算，该方法包括对所述卷积核执行拆分操作，以获得多个子卷积核；以及对所述多个子卷积核的每个子卷积核和所述输入数据进行所述反卷积运算，以获得反卷积结果。

在又一个方面中，本披露公开了一种集成电路板卡，该板卡包括前述的任一计算装置，即，该计算装置可配置成执行：对卷积核执行拆分操作，以获得多个子卷积核；以及对所述多个子卷积核的每个子卷积核和所述输入数据进行所述反卷积运算，以获得反卷积结果。

通过利用本披露所提出的用于执行反卷积操作的方法、集成电路板卡及其计算装置，可以降低输入数据的补零数量，减少由其造成的大量冗余运算，进而提升硬件运算资源的实际利用率；而且，降低的输入数据规模不仅可以缩减数据在运算资源上的存储成本，节约数据的存取开销，还因此缩短了反卷积运算的耗时，从而降低了反卷积操作的运算成本并提升其效率。

附图说明

通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，并且相同或对应的标号表示相同或对应的部分其中：

图1是示出根据本披露实施例的神经网络的结构示意图；

图2是示出根据本披露实施例的计算装置的示意框图；

图3是示出根据本披露实施例的计算装置的详细示意框图；

图4是示出根据本披露实施例的执行反卷积操作的方法的详细流程图；

图5是示出根据本披露实施例的卷积核拆分过程的示意图；

图6是示出根据本披露实施例的一种组合处理装置的结构框图；以及

图7是示出根据本披露实施例的一种板卡的结构框图。

具体实施方式