[发明专利]基于神经网络的特征数据处理方法及装置

权利要求书

1.一种基于神经网络的特征数据处理方法，其特征在于，应用于实现神经网络中的乘加运算，所述方法由神经网络芯片执行，所述神经网络芯片包括比特卷积模块和激活模块，所述方法包括：

获取来自神经网络中的多比特特征数据；

将所述多比特特征数据拆分到多个特征层中，得到多个特征层中的单位比特特征数据，其中，所述多个特征层的特征层数量对应所述多比特特征数据的数据量，所述多个特征层对应多个权重参数，每一特征层的特征数据量为单位比特，所述单位比特为预设值，所述预设值为1比特；

根据所述每一特征层中的单位比特特征数据与所述每一特征层对应的权重参数，输出所述多个特征层的乘加运算结果。

2.如权利要求1所述的方法，其特征在于，所述根据所述每一特征层中的单位比特特征数据与所述每一特征层对应的权重参数，输出所述多个特征层的乘加运算结果，包括：

获取所述每一特征层中的单位比特特征数据与所述每一特征层对应的权重参数的乘积；

将所述多个特征层各自对应的乘积相加，得到所述多个特征层的中间运算结果；

将所述中间运算结果与偏移量进行比较，得到所述乘加运算结果。

3.如权利要求2所述的方法，其特征在于，所述偏移量的取值可根据神经网络设置。

4.如权利要求2所述的方法，其特征在于，还包括：

获取所述多个权重参数中的最大绝对值；

根据所述最大绝对值以及所述每一特征层对应的权重参数，确定所述每一特征层对应的补偿系数；

所述将所述中间运算结果与偏移量进行比较，得到所述乘加运算结果，包括：

将所述补偿系数和所述偏移量的乘积，与所述中间运算结果相减，得到所述乘加运算结果的量化值。

5.如权利要求2所述的方法，其特征在于，还包括：

根据所述每一特征层对应的权重参数以及偏置参数，确定所述每一特征层对应的补偿系数；

所述将所述中间运算结果与偏移量进行比较，得到所述乘加运算结果，包括：

获取所述多个特征层的单位比特特征数据为预设数据值的个数；

将所述补偿系数和所述偏移量的乘积，与所述中间运算结果相减，并将差值与所述个数与所述偏置参数的乘积相加，得到所述乘加运算结果的量化值。

6.如权利要求1至5任一所述的方法，其特征在于，采用纵向深度存储方式存储所述乘加运算结果。

7.一种基于神经网络的特征数据处理装置，其特征在于，应用于实现神经网络中的乘加运算，所述装置设置在神经网络芯片中，所述装置包括

获取模块，被配置为获取来自神经网络中的多比特特征数据；

比特位阵单元，包括比特卷积模块和激活模块，所述激活模块被配置为将所述多比特特征数据拆分到多个特征层中，得到多个特征层中的单位比特特征数据，其中，所述多个特征层的特征层数量对应所述多比特特征数据的数据量，所述多个特征层对应多个权重参数，每一特征层的特征数据量为单位比特，所述单位比特为预设值，所述预设值为1比特；所述比特卷积模块被配置为接收基于所述每一特征层中的单位比特特征数据与所述每一特征层对应的权重参数输出的所述多个特征层的乘加运算结果。

8.一种电子设备，其特征在于，包括：存储器、处理器；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1至6中任一项所述的基于神经网络的特征数据处理方法。

9.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备执行时，使得电子设备能够执行如权利要求1至6中任一项所述的基于神经网络的特征数据处理方法。