[发明专利]数据处理方法、装置、终端设备及计算机可读存储介质

权利要求书

1.一种数据处理方法，其特征在于，应用于神经网络处理器，所述方法包括：

获取待处理算子的输入张量和第一计算参数；

根据所述第一计算参数设置所述神经网络处理器的基础算子的第二计算参数，其中，所述基础算子的算法复杂度低于所述待处理算子的算法复杂度；

基于所述第二计算参数，利用所述基础算子对所述待处理算子的输入张量进行计算，获得所述基础算子的输出张量；

转换所述基础算子的输出张量的张量形状，获得目标张量，所述目标张量的张量形状与所述待处理算子的输出张量的张量形状一致。

2.如权利要求1所述的数据处理方法，其特征在于，所述基础算子为二维卷积算子，相应的，所述第二计算参数包括权重矩阵、步长和卷积核；

所述根据所述第一计算参数设置所述神经网络处理器的基础算子的第二计算参数，包括：

生成所述权重矩阵，其中，所述权重矩阵的张量形状由所述第一计算参数确定；

将所述步长每个维度的大小设置为所述第一计算参数；

将所述卷积核每个维度的大小设置为所述第一计算参数。

3.如权利要求2所述的数据处理方法，其特征在于，所述生成所述权重矩阵，包括：

根据所述第一计算参数计算第一张量形状；

获取与所述第一计算参数相匹配的单位矩阵；

将所述单位矩阵转换为符合所述第一张量形状的权重矩阵。

4.如权利要求1所述的数据处理方法，其特征在于，所述基于所述第二计算参数，利用所述基础算子对所述待处理算子的输入张量进行计算，获得所述基础算子的输出张量，包括：

转换所述待处理算子的输入张量的张量形状，获得第一中间张量，所述第一中间张量的张量形状与所述第二计算参数相匹配；

基于所述第二计算参数，利用所述基础算子对所述第一中间张量进行计算，获得所述基础算子的输出张量。

5.如权利要求4所述的数据处理方法，其特征在于，所述转换所述待处理算子的输入张量的张量形状，获得第一中间张量，包括：

根据所述待处理算子的输入张量的张量形状和所述第一计算参数，计算第二张量形状；

将所述待处理算子的输入张量转换为符合所述第二张量形状的所述第一中间张量。

6.如权利要求1所述的数据处理方法，其特征在于，所述转换所述基础算子的输出张量的张量形状，获得目标张量，包括：

根据所述待处理算子的输入张量的张量形状和所述第一计算参数计算第三张量形状；

将所述基础算子的输出张量转换为符合所述第三张量形状的所述目标张量。

7.一种数据处理装置，其特征在于，应用于神经网络处理器，所述装置包括：

获取单元，用于获取待处理算子的输入张量和第一计算参数；

设置单元，用于根据所述第一计算参数设置所述神经网络处理器的基础算子的第二计算参数，其中，所述基础算子的算法复杂度低于所述待处理算子的算法复杂度；

计算单元，用于基于所述第二计算参数，利用所述基础算子对所述待处理算子的输入张量进行计算，获得所述基础算子的输出张量；

转换单元，用于转换所述基础算子的输出张量的张量形状，获得目标张量，所述目标张量的张量形状与所述待处理算子的输出张量的张量形状一致。

8.如权利要求7所述的数据处理装置，其特征在于，所述基础算子为二维卷积算子，相应的，所述第二计算参数包括权重矩阵、步长和卷积核；

所述设置单元还用于：

生成所述权重矩阵，其中，所述权重矩阵的张量形状由所述第一计算参数确定；

将所述步长每个维度的大小设置为所述第一计算参数；

将所述卷积核每个维度的大小设置为所述第一计算参数。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。