[发明专利]数据处理方法及其电子设备和介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取对第一神经网络模型的模型参数进行量化的第一输入数据集；

从所述第一输入数据集中筛选出满足第一条件的数据组成第二输入数据集，其中，所述第一条件包括：所述第二输入数据集中的各数据，与所述第一输入数据集中的多个数据之间的数据相关性小于第一相关性阈值；

基于调节系数对第二输入数据集中的数据进行调整得到第三输入数据集，其中，所述调节系数是所述第一输入数据集中的数据，并且所述调节系数与所述第二输入数据集中的数据的相关性满足第二条件；

使用所述第三输入数据集对所述第一神经网络模型的模型参数进行量化，得到第二神经网络模型。

2.根据权利要求1所述的数据处理方法，其特征在于，所述第二输入数据集中的数据不相同。

3.根据权利要求2所述的数据处理方法，其特征在于，所述第二条件包括：

所述调节系数与所述第二输入数据集中的各数据之间的数据相关性的最大值大于第二相关性阈值，其中，所述调节系数与所述第二输入数据集中的各数据不相同。

4.根据权利要求3所述的数据处理方法，其特征在于，所述第一输入数据集和所述第二输入数据集中的数据包括以下类型中的至少一种：

图像特征向量；

语音特征向量；

文字特征向量。

5.根据权利要求4所述的数据处理方法，其特征在于，所述调节系数组成调节系数向量，

所述方法还包括：

通过计算所述调节系数向量与所述第二输入数据集中的各数据之间的欧氏距离或者余弦相似度，得到所述调节系数与所述第二输入数据集中的各数据之间的相关性数值。

6.根据权利要求1所述的数据处理方法，其特征在于，所述调节系数组成调节系数向量；并且基于所述调节系数向量通过以下特征向量运算方法中的至少一种确定所述第三输入数据集：向量相加、向量相乘、向量转置。

7.根据权利要求5所述的数据处理方法，其特征在于，所述第三输入数据集中的各数据包括部分或者全部所述调节系数向量。

8.根据权利要求1所述的方法，其特征在于，所述第一神经网络模型或者第二神经网络模型用于实现下列中的至少一种功能：图像识别、文字识别和语音识别。

9.一种可读介质，其特征在于，所述可读介质中包含有指令，当所述指令被电子设备的处理器执行时使电子设备实现权利要求1至8中任一项所述的数据处理方法。

10.一种电子设备，其特征在于，包括：

存储器，用于存储由电子设备的一个或多个处理器执行的指令；

以及处理器，是所述电子设备的处理器之一，用于运行所述指令以使所述电子设备实现权利要求1至8中任一项所述的数据处理方法。