[發明專利]網絡結構的處理方法、裝置及相關產品

有效

• 申請號: 201811646113.3
• 申請日: 2018-12-29
• 公開（公告）號: CN109754084B
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 中科寒武紀科技股份有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06K9/62
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 朱五云

本申請涉及一種網絡結構的處理方法、裝置及相關產品，包括：計算機設備獲取優化指令；再根據該優化指令中的優化級別對網絡結構執行相應的優化處理操作，得到優化后的網絡結構。本申請提出的網絡結構的處理方法可以減小資源開銷，并提高網絡結構對圖像的檢測速率。

技術領域

本申請涉及信息處理技術領域，尤其涉及一種網絡結構的處理方法、裝置及相關產品。

背景技術

隨著機器學習網絡技術的不斷發展，人們對機器學習網絡的性能要求也越來越高，例如，機器學習網絡的性能包括資源開銷、運算時間、運算速率、可靠性、運算精度等。

由于檢測網絡SSD在圖像檢測領域因其具有較高的檢測精度，成為了目前常用到的一種機器學習網絡，且該檢測網絡SSD用于實現圖像的檢測與識別。現有的檢測網絡SSD中包括各種類型的網絡結構層，以及各網絡結構層下的數據變換操作層。在MLU芯片內，因為特殊的數據擺放等原因使得某些數據變化操作層不需要強制執行，這種情況下這樣的網絡結構層統稱為冗余層。例如：Permute、Reshape、Flatten等數據變化操作層。如果冗余層存在于檢測網絡SSD中，導致數據處理時資源開銷很大、且檢測速率降低的問題。

發明內容

基于此，本申請提供了一種能夠有效減小資源開銷，且提高檢測速率的網絡結構的處理方法、裝置及相關產品。

第一方面，本申請實施例提供了一種網絡結構的處理方法，所述包括：

獲取優化指令；

根據所述優化指令中的優化級別對網絡結構進行優化處理。

第二方面，本申請實施例提供了一種網絡結構的處理裝置，所述裝置包括：

獲取模塊，用于獲取優化指令；

優化模塊，用于根據所述優化指令中的優化級別對網絡結構進行優化處理。

第三方面，本申請實施例提供了一種機器學習芯片，該機器學習芯片包括上述第二方面所述的網絡結構的處理裝置。

第四方面，本申請實施例提供了一種芯片封裝結構，該芯片封裝結構包括上述第三方面所述的機器學習芯片。

第五方面，本申請實施例提供了一種板卡，該板卡包括上述第四方面所述的芯片封裝結構。

第六方面，本申請實施例提供了一種電子設備，該電子設備包括上述第五方面所述的板卡。

本申請提供的一種網絡結構的處理方法、裝置及相關產品，由于在該網絡結構的處理方法中包括用于對網絡結構進行優化的優化指令，且該優化指令中的優化級別實現了對網絡結構的不同優化操作，因此，相比于現有的網絡結構，進行優化處理后的網絡結構的復雜度較低，所以減小了系統資源開銷，從而提高網絡網絡結構的檢測速率。

附圖說明

圖1為一個實施例提供的一種計算機設備的內部結構示意圖；

圖2為一個實施例提供的一種網絡結構的處理方法的流程圖；

圖3為一個實施例提供的一種卷積神經網絡優化系統示意圖；

圖4為一個實施例提供的一種卷積神經網絡結構的優化處理方法的流程圖；

圖4A為一個實施例提供的一種卷積神經網絡結構的示意圖；

圖5為一個實施例提供的一種卷積神經網絡結構的優化處理方法的流程圖；

圖5A為一個實施例提供的一種卷積神經網絡結構的示意圖；

圖6為一個實施例提供的一種卷積神經網絡結構的優化處理方法的流程圖；

圖6A為一個實施例提供的一種卷積神經網絡結構的示意圖；