[发明专利]一种数据处理方法及移动终端

说明书

技术领域

本发明涉及通信技术领域，尤其涉及一种数据处理方法及移动终端。

背景技术

在模式识别、图像分类以及图像分割等方面，深度学习比传统的机器学习方法有更高的准确率，因此该技术近年得到广泛研究。同时随着智能手机拍照技术要求的不断提高，如何将深度学习技术完美的运行到设备上已经成为各大移动终端(如手机)厂商以及原始设备制造商(Original Equipment Manufacturer，简称OEM)的研究热点。

深度学习推理过程中，矩阵乘不论在计算量还是所需的存储空间上都占非常大的比重，但具有以下缺陷：

1、计算量大

现在一般的神经网络都有20-30层网络，其中涉及到矩阵乘计算占比高达80％+。

2、功耗开销大

由于矩阵乘涉及到大量的浮点乘加，不论在CPU(Central Processing Unit，中央处理器)还是GPU(Graphics Processing Unit，图形处理器)上做浮点矩阵乘都会带来比较大的耗能。

发明内容

本发明实施例提供了一种数据处理方法及移动终端，以解决现有技术中的矩阵乘计算量大以及功耗大的问题。

第一方面，提供了一种数据处理方法，包括：

将待处理数据转化为浮点矩阵；

将待进行矩阵乘处理的两个浮点矩阵，分别转换为第一预设位数的定点矩阵；

对转换得到的两个定点矩阵进行矩阵乘处理，得到定点结果矩阵；

将所述定点结果矩阵转换为所需的浮点结果矩阵。

第二方面，提供了一种移动终端，包括：

第一处理模块，用于将待处理数据转化为浮点矩阵；

第一转换模块，用于将待进行矩阵乘处理的两个浮点矩阵，分别转换为第一预设位数的定点矩阵；

第二处理模块，用于对所述第一转换模块转换得到的两个定点矩阵进行矩阵乘处理，得到定点结果矩阵；

第二转换模块，用于将所述第二处理模块计算得到的定点结果矩阵转换为所需的浮点结果矩阵。

第三方面，提供了一种移动终端，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的数据处理方法的步骤。

第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的数据处理方法的步骤。

本发明的有益效果是：

上述技术方案，先将待处理数据转化为浮点矩阵，然后将浮点矩阵转换为定点矩阵，再进行定点矩阵乘，最后将定点矩阵乘得到的定点结果矩阵转换为所需的浮点结果矩阵，能够提高数据处理速度，降低功耗。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1表示本发明实施例提供的数据处理方法的流程图；

图2表示本发明实施例提供的数据处理方法在DSP上的处理流程图；

图3表示本发明实施例提供的移动终端的框图；

图4表示本发明实施例提供的移动终端的另一框图；

图5表示本发明实施例提供的移动终端的另一框图；

图6表示本发明实施例提供的移动终端的另一框图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

依据本发明实施例的一个方面，提供了一种数据处理方法。

如图1所示，该数据处理方法包括：

步骤101、将待处理数据转化为浮点矩阵。

其中，待处理数据为图像数据、语音数据或指纹数据等，尤其是深度学习中的图像数据、语音数据或指纹数据等。