[发明专利]神经网络处理方法、装置、设备及存储介质

权利要求书

1.一种神经网络处理方法，其特征在于，应用于计算机设备，所述方法包括：

获取所述计算机设备的位宽和片内存储器的存储容量，以及待处理的神经网络包括的至少一个卷积层中每个卷积层的卷积层参数；

根据所述位宽、所述存储容量以及每个卷积层的卷积层参数，对每个卷积层的分块策略进行穷举，得到每个卷积层的多个分块策略；

从每个卷积层的多个分块策略中确定目标分块策略，所述目标分块策略是指所述多个分块策略中对应的访问片外存储器的访问次数最小的分块策略。

2.如权利要求1所述的方法，其特征在于，所述根据所述位宽、所述存储容量以及每个卷积层的卷积层参数，对每个卷积层的分块策略进行穷举，得到每个卷积层的多个分块策略，包括：

根据每个卷积层的卷积层参数，穷举每个卷积层的所有分块策略；

从每个卷积层的所有分块策略中确定满足所述位宽和所述存储容量对应的约束条件的分块策略，得到所述多个分块策略。

3.如权利要求2所述的方法，其特征在于，所述根据每个卷积层的卷积层参数，穷举每个卷积层的所有分块策略，包括：

根据每个卷积层的卷积层参数，构建每个卷积层的第一分块子策略对应的分块参数区间，所述第一分块子策略包括输入数据的分块宽度和分块高度、权重的分块宽度和分块高度参数、以及输出数据的分块深度；

根据每个卷积层第一分块子策略对应的分块参数区间，穷举每个卷积层的所有第一分块子策略；

确定每个卷积层的所有第一分块子策略中每个第一分块子策略对应的第二分块子策略，所述第二分块子策略包括输入数据的分块深度、权重的分块深度、以及输出数据的分块宽度和分块高度，所述每个卷积层的所有第一分块子策略以及每个第一分块子策略对应的第二分块子策略为所述每个卷积层的所有分块策略。

4.如权利要求3所述的方法，其特征在于，所述确定每个卷积层的所有第一分块子策略中每个第一分块子策略对应的第二分块子策略，包括：

对于每个卷积层的所有第一分块子策略中的目标第一分块子策略，通过如下公式确定所述目标第一分块子策略对应的第二分块子策略，所述目标第一分块子策略为每个卷积层的所有第一分块子策略中的任一个：

T_i＝(str+1)T_j-1

其中，T_i为所述目标第一分块子策略对应的第二分块子策略包括的输入数据的分块深度和权重的分块深度，str为所述神经网络的卷积步长，T_j为所述目标第一分块子策略包括的输出数据的分块深度，T_n为所述目标第一分块子策略对应的第二分块子策略包括的输出数据的分块宽度，T_w为所述目标第一分块子策略包括的输入数据的分块宽度，T_q为所述目标第一分块子策略包括的权重的分块宽度，T_m为所述目标第一分块子策略对应的第二分块子策略包括的输出数据的分块高度，T_h为所述目标第一分块子策略包括的输入数据的分块高度，T_p为所述目标第一分块子策略包括的权重的分块高度。

5.如权利要求2所述的方法，其特征在于，所述满足所述位宽和所述存储容量对应的约束条件包括与输入数据对应的输入约束条件、与权重对应的权重约束条件、以及与输出数据对应的输出约束条件。