[发明专利]权重矩阵数据存储方法、数据获取方法和装置、电子设备

说明书

本公开提供了一种权重矩阵的数据存储的方法，其包括：根据权重矩阵生成连接矩阵、数据类型表、特殊值表；存储连接矩阵、数据类型表、特殊值表；其中，连接矩阵与权重矩阵结构相同，其每个元素为权重矩阵中对应元素的权重值的连接类型；连接类型分为有效连接和无效连接；数据类型表包括依次设置的、权重矩阵中有效连接的权重值对应的数据类型；数据类型包括特殊值型和多个预设值型，每个预设值型对应一个有效连接的预设权重值，特殊值型对应特殊权重值，除预设权重值外的其它有效连接的权重值均为特殊权重值；特殊值表包括依次设置的、权重矩阵中的所有特殊权重值。本公开还提供了一种权重矩阵的数据获取的方法和装置、电子设备。

技术领域

本公开涉及类脑计算领域，特别涉及一种权重矩阵的数据存储的方法、权重矩阵的数据获取的方法和装置、电子设备。

背景技术

类脑计算技术已被广泛用于智能科学、认知科学、信息处理、人工智能等领域，如用于图像(视频)识别、图像(视频)处理、语音识别等。

人脑包括大量(如1000亿左右)的神经元，而类脑芯片(神经形态芯片)则通过设置大量的电子模拟的神经元模拟人脑的工作。而神经元的工作过程中还需要用到很多的“权重(如连接权重)”，这些权重可以“权重矩阵”的形式存在，即，权重矩阵的每个元素为一个权重值(如一个连接的权重值)。

由于权重矩阵包括的权重值数量很多，精度较高，从而权重矩阵会占据大量的存储空间。

发明内容

本公开提供一种权重矩阵的数据存储的方法、权重矩阵的数据获取的方法和装置、电子设备。

第一方面，本公开实施例提供一种权重矩阵的数据存储的方法，其包括：

根据权重矩阵生成连接矩阵、数据类型表、特殊值表；

存储所述连接矩阵、数据类型表、特殊值表；

其中，连接矩阵与权重矩阵结构相同，其每个元素为权重矩阵中对应元素的权重值的连接类型；一个连接类型的数据量小于一个权重值的数据量，连接类型分为有效连接和无效连接；

数据类型表包括依次设置的、权重矩阵中有效连接的权重值对应的数据类型；一个数据类型的数据量小于一个权重值的数据量，数据类型包括特殊值型和多个预设值型，每个预设值型对应一个有效连接的预设权重值，特殊值型对应特殊权重值，除预设权重值外的其它有效连接的权重值均为特殊权重值；

特殊值表包括依次设置的、权重矩阵中的所有特殊权重值。

在一些实施例中，在所述根据权重矩阵生成连接矩阵、数据类型表、特殊值表之前，还包括：

根据所述权重矩阵确定其中的多个有效连接的权重值为预设权重值，并存储所述预设权重值。

在一些实施例中，每个所述连接类型的数据量为一位。

第二方面，本公开实施例提供一种权重矩阵的数据获取的方法，包括：

根据预存的连接矩阵、数据类型表、特殊值表，确定权重矩阵中对应元素的权重值；

其中，连接矩阵与权重矩阵结构相同，其每个元素为权重矩阵中对应元素的权重值的连接类型；一个连接类型的数据量小于一个权重值的数据量，连接类型分为有效连接和无效连接；

数据类型表包括依次设置的、权重矩阵中有效连接的权重值对应的数据类型；一个数据类型的数据量小于一个权重值的数据量，数据类型包括特殊值型和多个预设值型，每个预设值型对应一个有效连接的预设权重值，特殊值型对应特殊权重值，除预设权重值外的其它有效连接的权重值均为特殊权重值；

特殊值表包括依次设置的、权重矩阵中的所有特殊权重值。

在一些实施例中，所述根据预存的连接矩阵、数据类型表、特殊值表，确定权重矩阵中对应元素的权重值包括：