[發(fā)明專利]卷積神經網絡數(shù)據(jù)的預處理方法和裝置

有效

• 申請?zhí)枺?/td>: 201810962564.1
• 申請日: 2018-08-22
• 公開（公告）號: CN109102070B
• 公開（公告）日: 2020-11-24
• 發(fā)明（設計）人: 耿益鋒;羅恒
• 申請（專利權）人: 地平線(上海)人工智能技術有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063
• 代理公司: 北京市正見永申律師事務所 11497
• 代理人: 黃小臨;馮玉清

1.一種卷積神經網絡數(shù)據(jù)的預處理方法，包括：

利用預處理裝置包括的處理器確定卷積神經網絡的平均池化層；

確定所述平均池化層的運算數(shù)據(jù)，所述運算數(shù)據(jù)包括所述平均池化層的輸入張量的通道數(shù)量、所述平均池化層的池化核的形狀、所述池化核單次可覆蓋的體素的數(shù)量以及所述池化核的步長；

根據(jù)所述運算數(shù)據(jù)確定至少一個卷積核；

將所述平均池化層轉換為至少一個卷積層，所述至少一個卷積層使用所述至少一個卷積核；以及

利用卷積神經網絡加速器中的卷積引擎執(zhí)行所述至少一個卷積層的卷積運算；

其中，所述卷積神經網絡加速器不包括用于平均池化操作的池化電路。

2.根據(jù)權利要求1所述的預處理方法，其中，

所述至少一個卷積層包括一個深度可分離卷積層，

所述至少一個卷積核包括所述深度可分離卷積層的一個卷積核，并且

所述深度可分離卷積層的卷積核的通道數(shù)量、在單個通道上的形狀、步長、每個體素的值分別對應于所述輸入張量的通道數(shù)量、所述池化核的形狀、所述池化核的步長、所述池化核單次可覆蓋的體素的數(shù)量的倒數(shù)。

3.根據(jù)權利要求1所述的預處理方法，其中，

所述至少一個卷積層包括一個普通卷積層，

所述至少一個卷積核包括所述普通卷積層的一個或多個卷積核，所述普通卷積層的一個或多個卷積核的數(shù)量與所述輸入張量的通道數(shù)量相同，

所述普通卷積層的每個卷積核的通道數(shù)量、在單個通道上的形狀、步長分別對應于所述輸入張量的通道數(shù)量、所述池化核的形狀、所述池化核的步長，并且

所述普通卷積層的每個卷積核具有互不相同的唯一非零通道，每個唯一非零通道上的每個體素的值對應于所述池化核單次可覆蓋的體素的數(shù)量的倒數(shù)。

4.根據(jù)權利要求1所述的預處理方法，還包括：

確定所述平均池化層的輸入張量的至少一個子張量，每個子張量具有至少一個通道并且對應于所述輸入張量在所述至少一個通道上的數(shù)據(jù)，不同的子張量不具有相同的通道，所有子張量的所有通道包括所述輸入張量的所有通道。

5.根據(jù)權利要求4所述的預處理方法，其中，

所述至少一個卷積層包括至少一個深度可分離卷積層，所述至少一個深度可分離卷積層中的每個深度可分離卷積層的輸入張量分別對應于所述至少一個子張量中的不同子張量，

所述至少一個卷積核包括所述至少一個深度可分離卷積層中的每個深度可分離卷積層的相應的卷積核，并且

所述至少一個深度可分離卷積層中的每個深度可分離卷積層的相應的卷積核的通道數(shù)量、在單個通道上的形狀、步長、每個體素的值分別對應于對應的子張量的通道數(shù)量、所述池化核的形狀、所述池化核的步長、所述池化核單次可覆蓋的體素的數(shù)量的倒數(shù)。

6.根據(jù)權利要求4所述的預處理方法，其中，

所述至少一個卷積層包括至少一個普通卷積層，所述至少一個普通卷積層中的每個普通卷積層的輸入張量分別對應于所述至少一個子張量中的不同子張量，

所述至少一個卷積核包括所述至少一個普通卷積層中的每個普通卷積層的一個或多個卷積核，所述至少一個普通卷積層中的每個普通卷積層的一個或多個卷積核的數(shù)量與對應的子張量的通道數(shù)量相同，

所述至少一個普通卷積層中的每個普通卷積層的每個卷積核的通道數(shù)量、在單個通道上的形狀、步長分別對應于對應的子張量的通道數(shù)量、所述池化核的形狀、所述池化核的步長，并且

所述至少一個普通卷積層中的每個普通卷積層的每個卷積核具有互不相同的唯一非零通道，每個唯一非零通道上的每個體素的值是所述池化核單次可覆蓋的體素的數(shù)量的倒數(shù)。