[发明专利]卷积计算方法、装置、计算机设备及存储介质

说明书

本发明公开了一种卷积计算方法、装置、计算机设备及存储介质，应用于人工智能技术领域，用于提高神经网络进行卷积计算的计算效率。本发明提供的方法包括：根据输入数据和输入通道数量，生成对应的输入数据存储规则，并基于所述输入数据存储规则，存储输入数据；根据所述输入数据存储规则，按照所述输入通道和输出通道的对应关系，存储权重数据；按照行数据的顺序，基于所述输入数据和所述权重数据进行卷积计算，得到每个输出通道的行卷积结果；对每个所述输出通道的行卷积结果进行累加计算，得到卷积计算结果。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种卷积计算方法、装置、计算机设备及存储介质。

背景技术

目前，深度学习技术发展迅速，在很多领域中得到了广泛的应用，深度学习中的神经网络模型得到许多关注。

其中，神经网络模型的训练和推导对算力提出了很高的要求，对于一些计算量较小的全连接卷积神经网络，在进行卷积计算过程中，因为写入卷积结果导致部分计算单元停止工作，导致计算单元的利用率不高，造成运算速度不佳。

发明内容

本发明提供一种卷积计算方法、装置、计算机设备及存储介质，以提高卷积计算的计算速率。

一种卷积计算方法，包括：

根据输入数据和输入通道数量，生成对应的输入数据存储规则，并基于所述输入数据存储规则，存储输入数据；

根据所述输入数据存储规则，按照所述输入通道和输出通道的对应关系，存储权重数据；

按照行数据的顺序，基于所述输入数据和所述权重数据进行卷积计算，得到每个输出通道的行卷积结果；

对每个所述输出通道的行卷积结果进行累加计算，得到卷积计算结果。

一种卷积计算装置，包括：

输入数据存储模块，用于根据输入数据和输入通道数量，生成对应的输入数据存储规则，并基于所述输入数据存储规则，存储输入数据；

权重数据存储模块，用于根据所述输入数据存储规则，按照所述输入通道和输出通道的对应关系，存储权重数据；

行卷积结果计算模块，用于按照行数据的顺序，基于所述输入数据和所述权重数据进行卷积计算，得到每个输出通道的行卷积结果；

卷积结果生成模块，用于对每个所述输出通道的行卷积结果进行累加计算，得到卷积计算结果。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述卷积计算方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述卷积计算方法的步骤。

本发明提供的卷积计算方法、装置、计算机设备及存储介质，通过获取输入数据的信息和所述输入通道的数量，基于输入数据的行数据，生成输入数据存储规则，按照输入数据存储规则根据卷积计算的规则，存储每个输入通道的输入数据，并按照数据数据的存储方式，基于映射关系，按照输入通道和输出通道的对应关系，存储权重数据，基于输入数据和权重数据的存储方式，按照行数据的顺序，基于所述每一行的输入数据和权重数据，计算得到每个输出通道的行卷积结果，再将所有的输出通道的行卷积数据进行累加计算，得到卷积计算的卷积计算结果，按照输入数据的行数据顺序进行卷积计算，将行数据的顺序作为第一优先级、输入通道顺序作为第二优选级，对输入数据进行存储，便于根据卷积计算的计算周期特征，快速计算得到每个输出通道的行卷积结果，减少遍历所有行数据的卷积计算周期，提高卷积计算周期中卷积计算的效率，进一步提高了卷积计算的速率。

附图说明