[发明专利]一种数据处理方法及装置、存储介质

说明书

本申请实施例提供了一种数据处理方法及装置、存储介质，该方法包括：获取卷积神经网络的网络结构参数和处理器的处理器参数；并根据网络结构参数和处理器参数，设置目标优化算法的约束条件，目标优化算法中的优化目标包括处理器能耗和/或处理器性能；基于约束条件执行目标优化算法，得到卷积神经网络对应的数据复用方式；根据数据复用方式，调度处理器执行卷积神经网络对应的卷积计算。

技术领域

本申请涉及计算机领域，尤其涉及一种数据处理方法及装置、存储介质。

背景技术

卷积计算在整个卷积神经网络中的时间占比最高，较高的计算量是制约其应用的因素之一；在卷积计算过程中存在大量的数据被重复使用，在设计针对卷积神经网络加速的处理器时，利用数据可复用的特性能够减少访问片外存储器的次数。

然而，随着实际应用场景的越加复杂以及实际应用场景对精度要求的提高，卷积神经网络的网络拓扑结构不断变化，处理器中固定的数据复用方式与多样的卷积神经网络结构之间存在失配问题，使得整体的数据复用效果较差，进而降低处理器的性能，增加能耗。

发明内容

本申请实施例提供一种数据处理方法及装置、存储介质，能够提高处理器执行卷积计算时的性能，减少能耗。

本申请的技术方案是这样实现的：

本申请实施例提供一种数据处理方法，所述方法包括：

获取卷积神经网络的网络结构参数和处理器的处理器参数；并根据所述网络结构参数和所述处理器参数，设置目标优化算法的约束条件，所述目标优化算法中的优化目标包括处理器能耗和/或处理器性能；

基于所述约束条件执行所述目标优化算法，得到所述卷积神经网络对应的数据复用方式；

根据所述数据复用方式，调度所述处理器执行所述卷积神经网络对应的卷积计算。

本申请实施例提供一种数据处理装置，所述数据处理装置包括：

数据获取单元，用于获取卷积神经网络的网络结构参数和处理器的处理器参数；

约束条件设置单元，用于根据所述网络结构参数和所述处理器参数，设置目标优化算法的约束条件，所述目标优化算法中的优化目标包括处理器能耗和/或处理器性能；

算法执行单元，用于基于所述约束条件执行所述目标优化算法，得到所述卷积神经网络对应的数据复用方式；

卷积单元，用于根据所述数据复用方式，调度所述处理器执行所述卷积神经网络对应的卷积计算。

本申请实施例提供一种数据处理装置，所述数据处理装置包括：处理器、存储器及通信总线；所述处理器执行存储器存储的运行程序时实现如上述数据处理方法。

本申请实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述数据处理方法。

本申请实施例提供了一种数据处理方法及装置、存储介质，该方法包括：获取卷积神经网络的网络结构参数和处理器的处理器参数；并根据网络结构参数和处理器参数，设置目标优化算法的约束条件，目标优化算法中的优化目标包括处理器能耗和/或处理器性能；基于约束条件执行目标优化算法，得到卷积神经网络对应的数据复用方式；根据数据复用方式，调度处理器执行卷积神经网络对应的卷积计算。采用上述实现方案，数据处理装置根据卷积神经网络的网络结构参数和处理器的处理器参数设置了对处理器能耗和/或处理器性能进行优化的目标优化算法的约束条件，此时，执行目标优化算法得到的数据复用方式，是考虑了当前的卷积神经网络和处理器相关信息的，且该数据复用方式使得处理器能耗最小或者性能最优，进而利用该数据复用方式进行卷积计算时，数据复用效果好，进而提高处理器执行卷积计算时的性能，减少能耗。

附图说明