[發(fā)明專利]一種數(shù)據(jù)處理方法、設(shè)備及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710152660.5
• 申請(qǐng)日: 2017-03-15
• 公開（公告）號(hào): CN108573305B
• 公開（公告）日: 2020-07-24
• 發(fā)明（設(shè)計(jì)）人: 胡睿;方頡翔;張鏵鏵
• 申請(qǐng)（專利權(quán)）人: 杭州海康威視數(shù)字技術(shù)股份有限公司
• 主分類號(hào): G06N3/063
• 分類號(hào): G06N3/063;G06F15/78
• 代理公司: 北京柏杉松知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 項(xiàng)京;馬敬

本發(fā)明實(shí)施例提供了一種數(shù)據(jù)處理方法、設(shè)備及裝置，其中，數(shù)據(jù)處理方法包括：獲取預(yù)設(shè)卷積核，并確定卷積框?qū)挾龋猾@取并根據(jù)芯片緩存容量、預(yù)設(shè)數(shù)據(jù)量及第一預(yù)設(shè)行數(shù)，確定數(shù)據(jù)列寬度；按照數(shù)據(jù)列寬度對(duì)待處理數(shù)據(jù)矩陣進(jìn)行劃分，得到多列區(qū)域；針對(duì)任一列區(qū)域，提取第二預(yù)設(shè)行數(shù)的待運(yùn)算數(shù)據(jù)發(fā)送至芯片緩存，利用預(yù)設(shè)卷積核，對(duì)待運(yùn)算數(shù)據(jù)進(jìn)行卷積運(yùn)算；在待運(yùn)算數(shù)據(jù)中的第一行數(shù)據(jù)參與完卷積運(yùn)算后，刪除第一行數(shù)據(jù)，并提取對(duì)應(yīng)列區(qū)域的下一行數(shù)據(jù)，更新待運(yùn)算數(shù)據(jù)；對(duì)更新的待運(yùn)算數(shù)據(jù)進(jìn)行卷積運(yùn)算，直至區(qū)域中的所有行數(shù)據(jù)均參與完卷積運(yùn)算。通過本發(fā)明可以降低芯片在進(jìn)行數(shù)據(jù)處理時(shí)所產(chǎn)生的功耗、提高處理性能。

技術(shù)領(lǐng)域

本發(fā)明涉及芯片設(shè)計(jì)技術(shù)領(lǐng)域，特別是涉及一種數(shù)據(jù)處理方法、設(shè)備及裝置。

背景技術(shù)

CNN(Convolutional Neural Network，卷積神經(jīng)網(wǎng)絡(luò))屬于深度學(xué)習(xí)算法中的一種，是一種模擬大腦神經(jīng)網(wǎng)絡(luò)的工作方式實(shí)現(xiàn)數(shù)據(jù)信息提取的算法。該算法利用卷積計(jì)算完成信息的初步提取，結(jié)合一些非線性運(yùn)算，實(shí)現(xiàn)高性能的目標(biāo)檢測(cè)。隨著深度學(xué)習(xí)算法的不斷發(fā)展，CNN在目標(biāo)檢測(cè)、數(shù)據(jù)分類、信息提取及匹配等圖像處理領(lǐng)域中得到了廣泛應(yīng)用。由于CNN算法本身的特性，有大量的數(shù)據(jù)需要重復(fù)參與運(yùn)算，因此對(duì)芯片片內(nèi)緩存空間有較高的要求，需要有足夠大的存儲(chǔ)空間才能存儲(chǔ)CNN運(yùn)算所需要的所有信息，現(xiàn)有的大部分芯片無法達(dá)到直接存儲(chǔ)所有所需的信息的要求。

針對(duì)上述大部分芯片無法在片內(nèi)直接存儲(chǔ)所有所需信息的問題，現(xiàn)有技術(shù)提出一種CNN實(shí)現(xiàn)方法，該方法在進(jìn)行卷積運(yùn)算之前，每次都重新從內(nèi)存中導(dǎo)入運(yùn)算所需的所有數(shù)據(jù)，進(jìn)行計(jì)算。

由于CNN計(jì)算中存在著大量重復(fù)使用的數(shù)據(jù)，現(xiàn)有技術(shù)每次從內(nèi)存導(dǎo)入的數(shù)據(jù)塊中存在著大量重復(fù)數(shù)據(jù)的情況，從而導(dǎo)致讀取的過程當(dāng)中有大量的帶寬被浪費(fèi)，進(jìn)而使得芯片在進(jìn)行數(shù)據(jù)處理時(shí)產(chǎn)生了較大的功耗、影響處理性能。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例的目的在于提供一種數(shù)據(jù)處理方法、設(shè)備及裝置，以降低芯片在進(jìn)行數(shù)據(jù)處理時(shí)所產(chǎn)生的功耗、提高處理性能。具體技術(shù)方案如下：

第一方面，本發(fā)明實(shí)施例提供了一種數(shù)據(jù)處理方法，所述方法包括：

獲取預(yù)設(shè)卷積核，并確定所述預(yù)設(shè)卷積核的卷積框?qū)挾龋?/p>

獲取并根據(jù)芯片緩存容量、預(yù)設(shè)數(shù)據(jù)量及第一預(yù)設(shè)行數(shù)，確定數(shù)據(jù)列寬度，其中，所述數(shù)據(jù)列寬度大于或等于所述卷積框?qū)挾龋?/p>

按照所述數(shù)據(jù)列寬度對(duì)待處理數(shù)據(jù)矩陣進(jìn)行列劃分，得到多列區(qū)域，其中，所述待處理數(shù)據(jù)矩陣為存儲(chǔ)在內(nèi)存中的、包含所有待處理數(shù)據(jù)的矩陣；

在接收到數(shù)據(jù)處理指令時(shí)，針對(duì)所有列區(qū)域中的任一列區(qū)域，提取第二預(yù)設(shè)行數(shù)的待運(yùn)算數(shù)據(jù)發(fā)送至所述芯片緩存，以利用所述預(yù)設(shè)卷積核，對(duì)緩存的所述待運(yùn)算數(shù)據(jù)進(jìn)行卷積運(yùn)算，其中，所述第二預(yù)設(shè)行數(shù)大于或等于所述卷積框?qū)挾取⑶倚∮诨虻扔谒龅谝活A(yù)設(shè)行數(shù)；

在所述待運(yùn)算數(shù)據(jù)中的第一行數(shù)據(jù)參與完卷積運(yùn)算后，將所述第一行數(shù)據(jù)從所述芯片緩存中刪除，并從對(duì)應(yīng)列區(qū)域中提取下一行數(shù)據(jù)發(fā)送至所述芯片緩存，作為待運(yùn)算數(shù)據(jù)的最后一行數(shù)據(jù)，更新待運(yùn)算數(shù)據(jù)；

利用所述預(yù)設(shè)卷積核，對(duì)更新的待運(yùn)算數(shù)據(jù)進(jìn)行卷積運(yùn)算，直至所述區(qū)域中的所有行數(shù)據(jù)均參與完卷積運(yùn)算，將卷積運(yùn)算后得到的所有運(yùn)算結(jié)果發(fā)送至所述內(nèi)存。

可選的，所述獲取并根據(jù)芯片緩存容量、預(yù)設(shè)數(shù)據(jù)量及第一預(yù)設(shè)行數(shù)，確定數(shù)據(jù)列寬度的步驟，包括：

獲取芯片緩存容量及預(yù)設(shè)數(shù)據(jù)量，將所述芯片緩存容量與所述預(yù)設(shè)數(shù)據(jù)量相除，得到所述芯片緩存的數(shù)據(jù)個(gè)數(shù)的最大值；

獲取第一預(yù)設(shè)行數(shù)，將所述數(shù)據(jù)個(gè)數(shù)的最大值與所述第一預(yù)設(shè)行數(shù)相除，得到所述芯片緩存的每行數(shù)據(jù)的個(gè)數(shù)；

確定所述芯片緩存的每行數(shù)據(jù)的個(gè)數(shù)為數(shù)據(jù)列寬度。