[发明专利]一种数据分析处理方法及装置

权利要求书

1.一种数据分析处理方法，其特征在于，所述方法包括：

获取待处理的输入数据输入到神经网络模型；

利用神经网络模型中的计算单元对输入数据进行卷积运算，其中，神经网络模型根据输入数据确定输入到各计算单元的激活和权重，根据所述激活及权重确定激活矩阵及权重矩阵，对所述激活矩阵及权重矩阵的有效数据进行压缩编码，并存储所述有效数据及所述有效数据矩阵位置的编码索引，卷积时根据所述编码索引读取对应的有效数据进行卷积运算；

根据卷积运算的结果，得到数据处理后的数据。

2.根据权利要求1所述的方法，其特征在于，对所述激活矩阵及权重矩阵的有效数据进行压缩编码，包括：

利用完全状态编码CSC方式，根据所述激活矩阵/权重矩阵中有效激活数据/有效权重数据所在的行数和列数，对有效激活数据/有效权重数据压缩编码。

3.根据权利要求1所述的方法，其特征在于，存储所述有效数据之前，还包括：

将所述激活矩阵中有效激活数据压缩，按照第一预设映射规则映射为第一向量，所述第一向量的末端包括结束索引标识；

将所述权重矩阵中的有效权重数据，按照第二预设映射规则映射为第二向量，所述第二向量的末端包括结束索引标识。

4.根据权利要求2所述的方法，其特征在于，对有效激活数据/有效权重数据压缩编码，包括：

分别确定有效激活数据/有效权重数据在激活矩阵/权重矩阵中的行数，得到对应的行向量；

按照如下规则分别激活矩阵/权重矩阵中各列的映射数据，得到对应的地址向量：

确定激活矩阵/权重矩阵中当前列是否存在有效激活数据/有效权重数据，若是，将该列及之前列的有效激活数据/有效权重数据总数作为映射数据，否则，将指定数据作为映射数据。

5.根据权利要求4所述的方法，其特征在于，所述行向量的末端包括结束索引标识，所述地址向量的末端包括结束索引标识。

6.根据权利要求2所述的方法，其特征在于，卷积时根据编码索读取对应的有效数据进行卷积运算，包括：

根据所述行向量确定当前读取的有效激活数据/有效权重数据在激活矩阵/权重矩阵中的行数；

根据所述地址向量确定当前读取的有效激活数据/有效权重数据在激活矩阵/权重矩阵中的列数；

按照卷积规则将激活矩阵中的有效激活数据与权重矩阵中对应位置的有效权重数据，进行卷积运算。

7.根据权利要求1所述的方法，其特征在于，存储所述有效数据及所述有效数据矩阵位置的编码索引，包括：

将所述有效数据按照第一存储规则，将所述编码索引按照第二存储规则，存储到外部存储单元；

其中，卷积时根据所述第一存储规则和第二存储规则，确定读取的编码索引解码的有效数据的存储位置。

8.根据权利要求7所述的方法，其特征在于，所述外部存储单元为如下至少一种：静态随机存取存储器SRAM、动态随机存储器DRAM、增强动态随机存取存储器EDRAM、寄存器BP或非易失存储器NVM。

9.根据权利要求1所述的方法，其特征在于，对所述激活矩阵及权重矩阵的有效数据压缩编码，包括：

根据所述激活矩阵及权重矩阵中有效数据的分布，确定所述激活矩阵及权重矩阵的稀疏度；

确定所述稀疏度大于稀疏阈值时，对所述激活矩阵及权重矩阵的有效数据压缩编码。

10.根据权利要求9所述的方法，其特征在于，还包括：

确定所述稀疏度不大于稀疏阈值时，对所述激活矩阵中的全部数据和权重矩阵中的全部数据分别进行转化存储；

卷积时读取激活矩阵和权重矩阵的全部数据进行卷积运算，所述全部数据包括无效数据，确定当前运算的数据包含无效数据时，利用时钟门控方式跳过包含无效数据的运算步骤。