[发明专利]卷积运算的处理方法、电子设备及计算机可读存储介质

说明书

本申请涉及卷积运算技术领域，公开了卷积运算的处理方法、电子设备及计算机可读存储介质。该方法包括：获取待处理的卷积运算、硬件参数以及配置数据库；若确定配置数据库中无卷积运算的卷积尺寸和硬件参数对应的配置参数，则根据卷积尺寸以及硬件参数定义一参数搜索空间；其中，配置数据库的配置参数基于Winograd算法确定；根据Winograd算法将参数搜索空间中的配置参数生成多个运算代码，并利用多个运算代码对卷积运算进行计算，以得到多个运算结果；将多个运算结果中满足预设条件的一个运算结果对应的运算代码的配置参数，存储至配置数据库。通过上述方式，能够提升该电子设备进行卷积运算的计算性能。

技术领域

本申请涉及卷积运算技术领域，特别是涉及卷积运算的处理方法、电子设备及计算机可读存储介质。

背景技术

IoT及移动设备市场研究估计，到2020年，市场上将有多达200亿个连接设备。这些设备预计将在云端和移动设备或IoT之间产生数十亿PB的数据流量。仅在2017年，市场预计将有84亿个连接的设备，这引发了在移动端预处理数据的强烈需求，并导致许多物联网设备制造商，尤其是那些致力于智能相机，无人机，机器人，AR/VR等视觉设备的设备制造商将智能带入了边缘或者移动端。

近些年来，深度学习已经开始部署于移动设备和嵌入式设备上，而且该趋势日益剧增。例如在消费级市场领域，Apple X上的人脸识别(称为Face ID)，HoloLens上的手势识别，Apple TV上的语音控制，mavic pro上的障碍回避，自动驾驶汽车上的智能导航，实时战略游戏等；在政府或军事用途领域，数百万摄像头的交通监控，水下机器人的船舶清洁，无人无GPS的智能无人机巡航(彩虹3无人机)，军用机器人目标识别等。

但是目前移动设备或嵌入式设备仍然是采用人工调参或者以固定方式进行卷积运算，不同设备因硬件不同，计算性能并不能得到提升。

发明内容

本申请主要解决的技术问题是提供卷积运算的处理方法、电子设备及计算机可读存储介质，能够提升该电子设备进行卷积运算的计算性能。

为了解决上述问题，本申请采用的一种技术方案是提供一种卷积运算的处理方法，该方法包括：获取待处理的卷积运算、硬件参数以及配置数据库；若确定配置数据库中无卷积运算的卷积尺寸和硬件参数对应的配置参数，则根据卷积尺寸以及硬件参数定义一参数搜索空间；其中，配置数据库的配置参数基于Winograd算法确定；根据Winograd算法将参数搜索空间中的配置参数生成多个运算代码，并利用多个运算代码对卷积运算进行计算，以得到多个运算结果；将多个运算结果中满足预设条件的一个运算结果对应的运算代码的配置参数，存储至配置数据库。

其中，若确定配置数据库中无卷积运算的卷积尺寸和硬件参数对应的配置参数，则根据卷积尺寸以及硬件参数定义一参数搜索空间，包括：判断配置数据库中是否有卷积运算的卷积尺寸和硬件参数对应的配置参数；若是，则按照配置参数生成运算代码，并进行计算得到运算结果；若否，则根据卷积尺寸以及硬件参数定义多个配置参数，以形成参数搜索空间。

其中，卷积尺寸和硬件参数对应的配置参数至少包括输入通道的数量、输出通道的数量、输入数据的尺寸、卷积核变换对应的寄存器块数量、卷积核输出通道的数据块、输入数据变换对应的寄存器块数量、输入数据变换对应的缓存块、卷积核转换标签、搜索空间标签；其中，卷积核变换对应的寄存器块数量的取值范围为[2，7]，卷积核输出通道的数据块的取值范围为[0，K/n]，n为卷积核变换对应的寄存器块数量，K为输出通道的数量，输入数据变换对应的寄存器块数量的取值范围为[2，7]，输入数据变换对应的缓存块的取值范围为[0，tiles/m]，m为输入数据变换对应的寄存器块数量，tiles为缓存块的数量，卷积核转换标签为0或1，搜索空间标签为0、1、2或3。

其中，根据卷积尺寸以及硬件参数定义多个配置参数，以形成参数搜索空间，包括：根据卷积尺寸以及硬件参数定义多个参数组合，以得到配置参数；基于配置参数形成参数搜索空间。