[发明专利]用于卷积神经网络的数据加载方法和装置在审
| 申请号： | 201910217617.1 | 申请日： | 2019-03-21 |
| 公开（公告）号： | CN109948789A | 公开（公告）日： | 2019-06-28 |
| 发明（设计）人： | 周中良;吴体龙 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063 |
| 代理公司： | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人： | 王达佐;马晓亚 |
| 地址： | 100085 北京市*** | 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： | 卷积神经网络 数据加载 存储器阵列 方法和装置 数据获取 顺序信息 输入数据处理 数据处理层 计算性能 数据存储 乘加器 有效地 加载 内存 申请 | ||
1.一种用于卷积神经网络的数据加载方法，包括：
获取卷积神经网络中数据处理层的数据获取顺序信息；
根据所述数据获取顺序信息，依次从内存中获取用于输入数据处理层的数据；
对所获取的数据进行整理；
将整理后的数据存储在存储器阵列中，以供与所述存储器阵列连接的乘加器阵列加载整理后的数据。
2.根据权利要求1所述的方法，其中，所获取的数据中包括数据处理层标识；以及
所述对所获取的数据进行整理，包括：
确定与所述数据处理层标识对应的数据整理信息；
根据所确定的数据整理信息，对所获取的数据进行整理。
3.根据权利要求2所述的方法，其中，所述对所获取的数据进行整理，包括：
确定与所述数据处理层标识对应的权重参数；
根据所述数据整理信息，对所述数据以及所述权重参数进行整理。
4.根据权利要求1所述的方法，其中，所述根据所述数据获取顺序信息，依次从内存中获取用于输入数据处理层的数据，包括：
确定所述乘加器阵列在单次计算过程中处理的数据的最大容量；
确定所需输入数据处理层的数据的实际容量；
响应于确定所述实际容量大于所述最大容量，根据所述最大容量，分批从内存中获取用于输入数据处理层的数据。
5.根据权利要求1所述的方法，其中，所述方法还包括：
响应于接收到所述乘加器阵列发送的、针对所述存储器阵列中存储的数据的读取请求，确定所述乘加器阵列对所述数据的读取顺序信息；
根据所述读取顺序信息，对存储器阵列中存储的数据进行整理以及将整理后的数据输入所述乘加器阵列。
6.一种现场可编程门阵列，包括：控制模块以及存储器阵列；
所述控制模块被配置成获取卷积神经网络中数据处理层的数据获取顺序信息；根据所述数据获取顺序信息，依次从内存中获取用于输入数据处理层的数据；对所获取的数据进行整理；将整理后的数据存储在存储器阵列中，以供与所述存储器阵列连接的乘加器阵列加载整理后的数据。
7.根据权利要求6所述的现场可编程门阵列，其中，所获取的数据中包括数据处理层标识；以及
所述控制模块进一步被配置成：
确定与所述数据处理层标识对应的数据整理信息；
根据所确定的数据整理信息，对所获取的数据进行整理。
8.根据权利要求7所述的现场可编程门阵列，其中，所述控制模块进一步被配置成：
确定与所述数据处理层标识对应的权重参数；
根据所述数据整理信息，对所述数据以及所述权重参数进行整理。
9.根据权利要求6所述的现场可编程门阵列，其中，所述控制模块进一步被配置成：
确定所述乘加器阵列在单次计算过程中能够处理的数据的最大容量；
确定所需输入数据处理层的数据的实际容量；
响应于确定所述实际容量大于所述最大容量，根据所述最大容量，分批从内存中获取用于输入数据处理层的数据。
10.根据权利要求6所述的现场可编程门阵列，其中，所述控制模块进一步被配置成：
响应于接收到所述乘加器阵列发送的、针对所述存储器阵列中存储的数据的读取请求，确定所述乘加器阵列对所述数据的读取顺序信息；
根据所述读取顺序信息，对存储器阵列中存储的数据进行整理以及将整理后的数据输入所述乘加器阵列。
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百度在线网络技术（北京）有限公司，未经百度在线网络技术（北京）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/201910217617.1/1.html，转载请声明来源钻瓜专利网。
