[发明专利]深度学习模型的多算子并行处理方法、装置、设备和介质

说明书

本公开提供了一种深度学习模型的多算子并行处理方法，涉及人工智能技术领域，尤其涉及深度学习技术领域和芯片技术领域。具体实现方案为：根据多个算子中至少两个目标算子中当前目标算子的输入数据的规模信息，利用预设函数确定当前目标算子的输出数据的规模信息；以及并行地执行以下操作：利用预设函数确定当前目标算子的在后目标算子的输出数据的规模信息；和运行当前目标算子。本公开还提供了一种数据处理装置、电子设备和存储介质。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习技术领域和芯片技术领域。更具体地，本公开提供了一种深度学习模型的多算子并行处理方法、装置、电子设备和存储介质。

背景技术

随着人工智能技术的发展，深度学习模型可以应用于脸部识别、光学字符识别、语音识别、物体检测和场景分割等场景中。

发明内容

本公开提供了一种深度学习模型的多算子并行处理方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种深度学习模型的多算子并行处理方法，深度学习模型包括多个算子，该方法包括：根据多个算子中至少两个目标算子中当前目标算子的输入数据的规模信息，利用预设函数确定当前目标算子的输出数据的规模信息；以及并行地执行以下操作：利用预设函数确定当前目标算子的在后目标算子的输出数据的规模信息；和运行当前目标算子。

根据本公开的另一方面，提供了一种数据处理装置，该装置包括：存储器，配置为存储可执行指令、待处理数据和深度学习模型的模型数据，深度学习模型包括多个算子；处理器，配置为执行可执行指令，以便：从存储器读取模型数据和待处理数据；根据多个算子中至少两个目标算子中当前目标算子的输入数据的规模信息，利用预设函数确定当前目标算子的输出数据的规模信息，其中，当前目标算子的输入数据是根据待处理数据确定的；以及并行地执行以下操作：利用预设函数确定当前目标算子的在后目标算子的输出数据的规模信息；和运行当前目标算子。

根据本公开的另一方面，提供了一种电子设备，包括本公开提供的数据处理装置。

根据本公开的另一方面，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根据本公开提供的方法。

根据本公开的另一方面，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，该计算机指令用于使计算机执行根据本公开提供的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据本公开提供的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1A是根据本公开的一个实施例的深度学习模型的示意图；

图1B是根据本公开的一个实施例的深度学习模型的输出数据的示意图；

图2是根据本公开的一个实施例的深度学习模型的多算子并行处理方法的流程图；

图3是根据本公开的另一个实施例的深度学习模型的示意图；

图4是根据本公开的一个实施例的数据处理装置的框图；

图5是根据本公开的一个实施例的电子设备的框图；以及

图6是根据本公开的一个实施例的可以应用深度学习模型的多算子并行处理方法的电子设备的框图。

具体实施方式