[发明专利]存储方法、装置、系统及介质有效
申请号: | 201810107864.1 | 申请日: | 2018-02-02 |
公开(公告)号: | CN108875922B | 公开(公告)日: | 2022-06-10 |
发明(设计)人: | 周舒畅;郭嘉丞 | 申请(专利权)人: | 北京旷视科技有限公司 |
主分类号: | G06N3/063 | 分类号: | G06N3/063;G06N3/04;G06N3/08 |
代理公司: | 北京睿邦知识产权代理事务所(普通合伙) 11481 | 代理人: | 徐丁峰;张玮 |
地址: | 100190 北京*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 存储 方法 装置 系统 介质 | ||
1.一种存储方法,包括:
确定与神经网络中的M个整数权重分别一一对应的M个n位二进制数,其中所述M个n位二进制数表示的取值范围以0为中心,并且所述M个n位二进制数表示以特定间隔在数轴上对称分布,n为正整数;
将所述神经网络的N个第一响应值映射到所述取值范围内,以获得与所述N个第一响应值分别一一对应的N个第二响应值;
确定与所述N个第二响应值分别一一对应的N个n位二进制数,所述N个n位二进制数表示的取值范围以0为中心,并且所述N个n位二进制数表示以所述特定间隔在数轴上对称分布;以及
存储所述M个n位二进制数和所述N个n位二进制数。
2.如权利要求1所述的存储方法,其中,所述确定与神经网络中的M个整数权重分别一一对应的M个n位二进制数包括:
根据如下公式计算与所述神经网络中的M个整数权重分别一一对应的M个n位二进制数:
其中,x表示所述整数权重,K表示所述特定间隔,(anan-1...a1)2表示所述n位二进制数。
3.如权利要求1所述的存储方法,其中,所述将所述神经网络的N个第一响应值映射到所述取值范围内,以获得与所述N个第一响应值分别一一对应的N个第二响应值,包括:
根据如下公式将所述神经网络的N个第一响应值映射到所述取值范围内:
其中,z表示所述第二响应值,K表示所述特定间隔,y表示所述第一响应值,b和t为预设常数,符号表示向下取整。
4.如权利要求1至3任一项所述的存储方法,其中,所述存储方法还包括:
将所述神经网络的浮点权重进行定点化,以获得所述整数权重,所述浮点权重是用浮点数表示的。
5.如权利要求4所述的存储方法,其中,所述将所述神经网络的浮点权重进行定点化,以获得所述整数权重,包括:
在所述神经网络的训练过程中,将所述神经网络的浮点权重进行定点化,以获得所述整数权重。
6.如权利要求4所述的存储方法,其中,所述将所述神经网络的浮点权重进行定点化,以获得所述整数权重,包括:
根据如下公式将所述神经网络的浮点权重进行定点化,以获得所述整数权重:
其中,x表示所述整数权重,K表示所述特定间隔,ri表示所述浮点权重,符号“tanh”表示双曲正切函数,符号“||”表示取绝对值。
7.如权利要求1至3任一项所述的存储方法,其中,所述存储所述M个n位二进制数包括:
将所述M个n位二进制数拼接为一个二进制串;
存储所述二进制串。
8.如权利要求1至3任一项所述的存储方法,其中,所述存储所述N个n位二进制数包括:
将所述N个n位二进制数拼接为一个二进制串;
存储所述二进制串。
9.一种存储系统,包括处理器和存储器,其中,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时用于执行如权利要求1至8任一项所述的存储方法。
10.一种存储介质,在所述存储介质上存储了程序指令,所述程序指令在运行时用于执行如权利要求1至8任一项所述的存储方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京旷视科技有限公司,未经北京旷视科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810107864.1/1.html,转载请声明来源钻瓜专利网。