[发明专利]存储数据的方法、装置、设备和存储介质

说明书

本申请公开了一种存储数据的方法、装置、设备和介质，可应用于人工智能的计算机视觉技术领域和自然语言处理技术领域。具体实现方案为：利用卷积神经网络获取第一输入数据，该第一输入数据包括布置成第一M×N阵列的多个第一数据块，将第m行第n列的第一数据块存储为第k个字段的第一子段；将第(m+i)行第(n+j)列的第一数据块存储为第[k+(i×N+j)]个字段的第一子段；以及利用卷积神经网络获取第二输入数据，该第二输入数据包括布置成第二M×N阵列的多个第二数据块，将第m行第n列的第二数据块存储为第k个字段的第二字段；将第(m+i)行第(n+j)列的第二数据块存储为第[k+(i×N+j)]个字段的第二子段，以得到包括第一字段至第K字段的拼接存储数据。

技术领域

本申请涉及计算机技术领域，具体涉及人工智能的计算机视觉技术领域和自然语言处理技术领域，更具体地涉及一种存储数据的方法、装置、设备和存储介质。

背景技术

在深度学习中，为了提高输出结果的准确性，需要将各处理层的特征拼接后输入至后续的全连接层，以进行特征的连接，并采用分类器得到分类结果。

相关技术中，设置Concat层来实现特征图在通道(Cannel)维度的组合拼接。通常，在对特征图中数据进行组合拼接时，需要先将待拼接数据整块存储至双倍速率同步动态随机存储器(Double Data Rate，DDR)后，由处理器执行数据搬迁操作，并在DDR中额外设置存储空间，以将数据按拼接顺序重排后存储至额外设置的存储空间。

发明内容

提供了一种利于提高数据拼接效率的存储数据的方法、装置、设备以及存储介质。

根据第一方面，提供了一种存储数据的方法，包括：利用卷积神经网络获取第一输入数据，该第一输入数据包括布置成第一M×N阵列的多个第一数据块，将第m行第n列的第一数据块存储为第k个字段的第一子段；将第(m+i)行第(n+j)列的第一数据块存储为第[k+(i×N+j)]个字段的第一子段；以及利用卷积神经网络获取第二输入数据，该第二输入数据包括布置成第二M×N阵列的多个第二数据块，将第m行第n列的第二数据块存储为第k个字段的第二子段；将第(m+i)行第(n+j)列的第二数据块存储为第[k+(i×N+j)]个字段的第二子段，以得到包括第一字段至第K字段的拼接存储数据。其中，K＝M×N，k＝m×n；M、N、m、n均为正整数，i、j均为非负整数，m≤(m+i)≤M，且n≤(n+j)≤M。

根据第二方面，提供了一种存储数据的装置，包括：第一数据获取模块，用于利用卷积神经网络获取第一输入数据，该第一输入数据包括布置成第一M×N阵列的多个第一数据块；第一数据存储模块，用于将第m行第n列的第一数据块存储为第k个字段的第一子段，将第(m+i)行第(n+j)列的第一数据块存储为第[k+(i×N+j)]个字段的第一子段；以及第二数据获取模块，用于利用卷积神经网络获取第二输入数据，该第二输入数据包括布置成第二M×N阵列的多个第二数据块；以及第二数据存储模块，用于将第m行第n列的第二数据块存储为第k个字段的第二子段，将第(m+i)行第(n+j)列的第二数据块存储为第[k+(i×N+j)]个字段的第二子段，以得到包括第一字段至第K字段的拼接存储数据，其中，K＝M×N，k＝m×n；M、N、m、n均为正整数，i、j均为非负整数，m≤(m+i)≤M，且n≤(n+j)≤M。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请提供的存储数据的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本申请提供的存储数据的方法。

根据第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本申请提供的存储数据的方法。