[发明专利]数据处理方法及人工智能处理器

权利要求书

1.一种数据处理方法，其特征在于，应用于人工智能处理器的处理核心，所述人工智能处理器包括多个处理核心，每个处理核心包括存储单元及运算单元，

所述存储单元用于存储图像的像素数据及N个卷积核的权重数据；所述运算单元包括乘数累加器MAC阵列，用于根据所述像素数据及所述权重数据进行运算，其中，所述图像的尺寸为W₀×H₀×C₀，所述卷积核的尺寸为K×K×C₀，行方向的步长为Sx，W₀、H₀、C₀、K、Sx为正整数，

所述方法包括：

根据预设的像素读取位宽，从所述存储单元读取第一像素数据，所述第一像素数据包括所述图像的第m个通道、第Py行的连续的M个像素数据，1≤m≤C₀，1≤Py≤H₀，1M≤W₀；

在k个卷积核的第Ky行的第T次运算时，根据预设的权重读取位宽，从所述存储单元读取第一权重数据，所述第一权重数据包括k个卷积核的第m个通道、第Ky行、卷积核位置T处的权重数据，1k≤N，1≤T≤K，1≤Ky≤K；

根据所述卷积核的步长Sx，从所述第一像素数据中选取与卷积核位置T对应的a个像素数据作为第二像素数据，1a＜M；

在T1时，针对所述MAC阵列中的第q列MAC，将所述第二像素数据与所述第一权重数据中的第q个权重数据相乘，并与第T-1次运算的结果相加，得到所述第q列MAC第T次运算的a个第一卷积运算结果，1≤q≤k。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在T＝1时，针对所述第q列MAC，将所述第二像素数据与所述第一权重数据中的第q个权重数据相乘，并与第Ky-1行的第K次运算的卷积运算结果相加，得到所述第q列MAC第1次运算的a个第一卷积运算结果，1≤q≤k。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

针对所述第q列MAC，在完成所述k个卷积核的K行的运算后，得到所述第m个通道的a个第二卷积运算结果；

在得到的C₀个通道的卷积运算结果后，将每个卷积核的C₀个通道的卷积运算结果相加，得到第q列MAC输出的a个目标卷积运算结果。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据权重存储位宽，存储所述N个卷积核的权重数据，其中，所述权重存储位宽与所述权重读取位宽一致；

所述根据权重存储位宽，存储所述N个卷积核的权重数据，包括：

针对所述N个卷积核中的每个卷积核，依次按照该卷积核的行方向、列方向和通道C₀的顺序，将该卷积核的权重数据纵向排列为第一权重向量；

将所述N个卷积核的第一权重向量横向对齐合并为第一权重矩阵；

根据所述权重存储位宽，横向存储所述第一权重矩阵中的权重数据。

5.根据权利要求4所述的方法，其特征在于，所述根据权重存储位宽，横向存储所述第一权重矩阵中的权重数据，包括：

在N大于所述MAC阵列的列数Q的情况下，按照每Q列纵向拆分所述第一权重矩阵，得到F个第二权重矩阵，其中，

在所述第二权重矩阵的宽度小于或等于所述权重存储位宽的情况下，依次按照行方向、列方向的顺序，存储第f个第二权重矩阵中的权重数据，1≤f≤F；

将第f-1个第二权重矩阵排列在第f个第二权重矩阵之前；

其中，所述第二权重矩阵的宽度等于Q乘以所述权重数据的第一存储单位，所述权重数据的第一存储单位跟据所述权重数据的数据类型确定。