[发明专利]一种数据处理方法、设备及装置

说明书

本发明实施例提供了一种数据处理方法、设备及装置，其中，数据处理方法包括：获取预设卷积核，并确定卷积框宽度；获取并根据芯片缓存容量、预设数据量及第一预设行数，确定数据列宽度；按照数据列宽度对待处理数据矩阵进行划分，得到多列区域；针对任一列区域，提取第二预设行数的待运算数据发送至芯片缓存，利用预设卷积核，对待运算数据进行卷积运算；在待运算数据中的第一行数据参与完卷积运算后，删除第一行数据，并提取对应列区域的下一行数据，更新待运算数据；对更新的待运算数据进行卷积运算，直至区域中的所有行数据均参与完卷积运算。通过本发明可以降低芯片在进行数据处理时所产生的功耗、提高处理性能。

技术领域

本发明涉及芯片设计技术领域，特别是涉及一种数据处理方法、设备及装置。

背景技术

CNN(Convolutional Neural Network，卷积神经网络)属于深度学习算法中的一种，是一种模拟大脑神经网络的工作方式实现数据信息提取的算法。该算法利用卷积计算完成信息的初步提取，结合一些非线性运算，实现高性能的目标检测。随着深度学习算法的不断发展，CNN在目标检测、数据分类、信息提取及匹配等图像处理领域中得到了广泛应用。由于CNN算法本身的特性，有大量的数据需要重复参与运算，因此对芯片片内缓存空间有较高的要求，需要有足够大的存储空间才能存储CNN运算所需要的所有信息，现有的大部分芯片无法达到直接存储所有所需的信息的要求。

针对上述大部分芯片无法在片内直接存储所有所需信息的问题，现有技术提出一种CNN实现方法，该方法在进行卷积运算之前，每次都重新从内存中导入运算所需的所有数据，进行计算。

由于CNN计算中存在着大量重复使用的数据，现有技术每次从内存导入的数据块中存在着大量重复数据的情况，从而导致读取的过程当中有大量的带宽被浪费，进而使得芯片在进行数据处理时产生了较大的功耗、影响处理性能。

发明内容

本发明实施例的目的在于提供一种数据处理方法、设备及装置，以降低芯片在进行数据处理时所产生的功耗、提高处理性能。具体技术方案如下：

第一方面，本发明实施例提供了一种数据处理方法，所述方法包括：

获取预设卷积核，并确定所述预设卷积核的卷积框宽度；

获取并根据芯片缓存容量、预设数据量及第一预设行数，确定数据列宽度，其中，所述数据列宽度大于或等于所述卷积框宽度；

按照所述数据列宽度对待处理数据矩阵进行列划分，得到多列区域，其中，所述待处理数据矩阵为存储在内存中的、包含所有待处理数据的矩阵；

在接收到数据处理指令时，针对所有列区域中的任一列区域，提取第二预设行数的待运算数据发送至所述芯片缓存，以利用所述预设卷积核，对缓存的所述待运算数据进行卷积运算，其中，所述第二预设行数大于或等于所述卷积框宽度、且小于或等于所述第一预设行数；

在所述待运算数据中的第一行数据参与完卷积运算后，将所述第一行数据从所述芯片缓存中删除，并从对应列区域中提取下一行数据发送至所述芯片缓存，作为待运算数据的最后一行数据，更新待运算数据；

利用所述预设卷积核，对更新的待运算数据进行卷积运算，直至所述区域中的所有行数据均参与完卷积运算，将卷积运算后得到的所有运算结果发送至所述内存。

可选的，所述获取并根据芯片缓存容量、预设数据量及第一预设行数，确定数据列宽度的步骤，包括：

获取芯片缓存容量及预设数据量，将所述芯片缓存容量与所述预设数据量相除，得到所述芯片缓存的数据个数的最大值；

获取第一预设行数，将所述数据个数的最大值与所述第一预设行数相除，得到所述芯片缓存的每行数据的个数；

确定所述芯片缓存的每行数据的个数为数据列宽度。