[發明專利]數據存儲方法、裝置及計算機可讀存儲介質

有效

• 申請號: 201711213537.6
• 申請日: 2017-11-28
• 公開（公告）號: CN107885464B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 萬韶華
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G06F3/06
• 分類號: G06F3/06;G06N3/04;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 林錦瀾

本公開是關于一種深度卷積神經網絡模型中的數據存儲方法、裝置及計算機可讀存儲介質，涉及網絡技術領域，所述方法包括：在訓練深度卷積神經網絡模型的過程中，確定深度卷積神經網絡模型中位于第一目標層之前的第二目標層；其中，第一目標層為深度卷積神經網絡模型中包括的任一層，第二目標層的目標數據不會輸入到位于第一目標層之后的層，第二目標層的目標數據為第二目標層的輸入數據或輸出數據；獲取第一目標層的輸入數據，并將第一目標層的輸入數據存儲到第二目標層的目標數據的存儲空間中。本公開通過將第一目標層的輸入數據存儲至第二目標層的目標數據的存儲空間中，從而不需要為第一目標層的輸入數據新申請存儲空間，節省了存儲空間。

技術領域

本公開涉及網絡技術領域，尤其涉及一種深度卷積神經網絡模型中的數據存儲方法、裝置及計算機可讀存儲介質。

背景技術

深度卷積神經網絡模型是一種能夠高效的進行圖像識別的網絡模型。也即是，可以通過深度卷積神經網絡模型包括的卷積層、激活層、池化層和全連接層對圖像進行處理，最后通過深度卷積神經網絡模型包括的類別概率層輸出最終的圖像識別結果。在使用深度卷積神經網絡模型對圖像進行識別之前，需要先對深度卷積神經網絡模型進行訓練。

在對深度卷積神經網絡模型進行訓練的過程中，深度卷積神經網絡模型中包括的每一層都會有輸入數據和輸出數據，相關技術中，對于深度卷積神經網絡模型中包括的每一層，獲得該層的輸入數據后，可以新申請一個存儲空間來存儲該層的輸入數據，之后，若獲得該層的輸出數據，再新申請一個存儲空間來存儲該層的輸出數據。

發明內容

為克服相關技術中存在的問題，本公開提供一種深度卷積神經網絡模型中的數據存儲方法、裝置及計算機可讀存儲介質。

根據本公開實施例的第一方面，提供一種深度卷積神經網絡模型中的數據存儲方法，包括：

在訓練深度卷積神經網絡模型的過程中，確定所述深度卷積神經網絡模型中位于第一目標層之前的第二目標層；

其中，所述第一目標層為所述深度卷積神經網絡模型中包括的任一層，所述第二目標層的目標數據不會輸入到位于所述第一目標層之后的層，所述第二目標層的目標數據為所述第二目標層的輸入數據或輸出數據；

獲取所述第一目標層的輸入數據，并將所述第一目標層的輸入數據存儲到所述第二目標層的目標數據的存儲空間中。

可選地，所述獲取所述第一目標層的輸入數據之前，還包括：

將所述第二目標層的目標數據的名稱、所述第一目標層的上一層的輸出數據的名稱和所述第一目標層的輸入數據的名稱設置為相同的名稱；

相應地，所述獲取所述第一目標層的輸入數據，并將所述第一目標層的輸入數據存儲到所述第二目標層的目標數據的存儲空間中，包括：

當獲取到所述第一目標層的上一層的輸出數據時，根據所述第一目標層的上一層的輸出數據的名稱，確定目標存儲空間，所述目標存儲空間用于存儲具有所述第一目標層的上一層的輸出數據的名稱的數據；

根據所述第一目標層的上一層的輸出數據，確定所述第一目標層的輸入數據；

將所述第一目標層的輸入數據存儲到所述目標存儲空間中。

可選地，所述根據所述第一目標層的上一層的輸出數據，確定所述第一目標層的輸入數據，包括：

當將所述第一目標層的上一層的輸出數據輸入到所述第一目標層時，將所述第一目標層的上一層的輸出數據確定為所述第一目標層的輸入數據。

可選地，所述根據所述第一目標層的上一層的輸出數據，確定所述第一目標層的輸入數據，包括：

當將所述第一目標層的上一層的輸出數據與所述第二目標層的目標數據之和輸入到所述第一目標層時，獲取所述目標存儲空間中存儲的數據；