[发明专利]特征图处理方法、装置及计算机设备

说明书

本公开实施例提供了特征图处理方法、装置及计算机设备，所述方法包括：输入待处理的特征图的配置参数，其中，所述配置参数包括特征图的像素宽度和像素高度及通道数中的一种或多种；接收所述特征图拆分得到的预设宽度和预设高度的特征图块；根据所述配置参数确定各特征图块在所述特征图中的排布位置；按照各特征图块在所述特征图中的排布位置，通过水平扫描方式将全部特征图块拼接成预设宽度的合并图块后，写入内部缓存区。通过对卷积计算后不同形状的特征图按通道进行有效数据的提取和拼接，减小了内部及外部缓存的占用，实现方法简单，在减小缓存的同时也减小了接口数据带宽；可扩展性好，可通过简单修改满足不同的带宽定制需求。

技术领域

本发明涉及数据处理领域，尤其涉及一种特征图处理方法、装置及计算机设备。

背景技术

随着人工智能技术的发展，新的网络结构对于带宽及缓存的要求越来越高。在一个网络中，几十上百甚至上千个卷积核同时计算的情况越来越常见。并行计算可大大提高网络的计算速度，却大幅增加了数据的带宽及对缓存的占用。而在网络结构中，不同大小的特征图分布对于网络性能的提升非常重要。

目前一般采用将特征图进行填充之后，按块送入内部及外部缓存的方式对特征图计算的中间结果进行缓存。这种方式实现比较简单，但是会造成大量的无效缓存占用，降低缓存的利用率，同时导致数据带宽的浪费。

发明内容

针对上述问题，本公开提出一种特征图处理方法、装置及计算机设备。

具体方案如下：

第一方面，本公开实施例提供了一种特征图处理方法，所述方法包括：

输入待处理的特征图的配置参数，其中，所述配置参数包括特征图的像素宽度和像素高度及通道数中的一种或多种；

接收所述特征图拆分得到的预设宽度和预设高度的特征图块；

根据所述配置参数确定各特征图块在所述特征图中的排布位置；

按照各特征图块在所述特征图中的排布位置，通过水平扫描方式将全部特征图块拼接成预设宽度的合并图块后，写入内部缓存区。

根据本公开的一种具体实施方式，在所述特征图中的全部特征图块均存入内部缓存区后，所述方法还包括：

根据所述配置参数，从所述内部缓存区读取所述合并图块；

按照各特征图块在所述特征图中的排布位置，根据所述特征图的像素宽度生成读出特征图。

根据本公开的一种具体实施方式，所述特征图拆分得到预设宽度和预设高度的特征图块的步骤，包括：

接收待处理的特征图；

若所述特征图中像素的宽度和高度分别为预设宽度和预设高度的整数倍，则将所述待处理的特征图直接按照预设宽度和预设高度拆分多个特征图块；

若待处理的特征图中像素的宽度/高度不是预设宽度/预设高度的整数倍，则将所述特征图的像素宽度/像素高度延伸至所述预设宽度/预设高度的整数倍后再拆分为多个特征图块。

根据本公开的一种具体实施方式，将所述特征图的像素宽度/像素高度延伸至所述预设宽度/预设高度的整数倍的步骤，包括：

获取所述特征图中的未成块区域的宽度/高度；

沿特征图的像素宽度/像素高度方向，在所述未成块区域的邻接区域填充无效像素，以使未成块区域的宽度/高度与填充的宽度/高度之和为所述预设宽度/预设高度。

根据本公开的一种具体实施方式，所述待处理的特征图中原有的像素为有效像素；

所述按照各特征图块在所述特征图中的排布位置，通过水平扫描方式将全部特征图块拼接成预设宽度的合并图块后，写入内部缓存区的步骤，包括：