[发明专利]数据存储方法、装置及计算机可读存储介质

权利要求书

1.一种深度卷积神经网络模型中的数据存储方法，其特征在于，所述方法包括：

在训练深度卷积神经网络模型的过程中，确定所述深度卷积神经网络模型中位于第一目标层之前的第二目标层；其中，所述第一目标层为所述深度卷积神经网络模型中包括的任一层，所述第二目标层的目标数据不会输入到位于所述第一目标层之后的层，所述第二目标层的目标数据为所述第二目标层的输入数据或输出数据；

将所述第二目标层的目标数据的名称、所述第一目标层的上一层的输出数据的名称和所述第一目标层的输入数据的名称设置为相同的名称；

获取所述第一目标层的输入数据，并根据所述名称确定所述第二目标层的目标数据的存储空间，然后将所确定的存储空间中存储的所述第二目标层的目标数据替换为所述第一目标层的输入数据。

2.根据权利要求1所述的方法，其特征在于，所述获取所述第一目标层的输入数据，并确定所述第二目标层的目标数据的存储空间，然后将所确定的存储空间中存储的所述第二目标层的目标数据替换为所述第一目标层的输入数据，包括：

当获取到所述第一目标层的上一层的输出数据时，根据所述第一目标层的上一层的输出数据的名称，确定目标存储空间，所述目标存储空间用于存储具有所述第一目标层的上一层的输出数据的名称的数据；

根据所述第一目标层的上一层的输出数据，确定所述第一目标层的输入数据；

确定所述第二目标层的目标数据的存储空间，然后将所确定的存储空间中存储的所述第二目标层的目标数据替换为所述第一目标层的输入数据。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一目标层的上一层的输出数据，确定所述第一目标层的输入数据，包括：

当将所述第一目标层的上一层的输出数据输入到所述第一目标层时，将所述第一目标层的上一层的输出数据确定为所述第一目标层的输入数据。

4.根据权利要求2所述的方法，其特征在于，所述根据所述第一目标层的上一层的输出数据，确定所述第一目标层的输入数据，包括：

当将所述第一目标层的上一层的输出数据与所述第二目标层的目标数据之和输入到所述第一目标层时，获取所述目标存储空间中存储的数据；

将获取的数据与所述第一目标层的上一层的输出数据相加，得到所述第一目标层的输入数据。

5.根据权利要求1-4任一所述的方法，其特征在于，所述深度卷积神经网络模型为深度卷积残差网络模型。

6.一种深度卷积神经网络模型中的数据存储装置，其特征在于，所述装置包括：

确定模块，用于在训练深度卷积神经网络模型的过程中，确定所述深度卷积神经网络模型中位于第一目标层之前的第二目标层；其中，所述第一目标层为所述深度卷积神经网络模型中包括的任一层，所述第二目标层的目标数据不会输入到位于所述第一目标层之后的层，所述第二目标层的目标数据为所述第二目标层的输入数据或输出数据；

设置模块，用于将所述第二目标层的目标数据的名称、所述第一目标层的上一层的输出数据的名称和所述第一目标层的输入数据的名称设置为相同的名称；

存储模块，用于获取所述第一目标层的输入数据，并根据所述名称确定所述第二目标层的目标数据的存储空间，然后将所确定的存储空间中存储的所述第二目标层的目标数据替换为所述第一目标层的输入数据。

7.根据权利要求6所述的装置，其特征在于，

所述存储模块包括：

第一确定子模块，用于当获取到所述第一目标层的上一层的输出数据时，根据所述第一目标层的上一层的输出数据的名称，确定目标存储空间，所述目标存储空间用于存储具有所述第一目标层的上一层的输出数据的名称的数据；

第二确定子模块，用于根据所述第一目标层的上一层的输出数据，确定所述第一目标层的输入数据；

存储子模块，用于确定所述第二目标层的目标数据的存储空间，然后将所确定的存储空间中存储的所述第二目标层的目标数据替换为所述第一目标层的输入数据。