[發明專利]人工智能卷積處理方法、裝置、可讀存儲介質、及終端

有效

• 申請號: 201880002147.0
• 申請日: 2018-01-15
• 公開（公告）號: CN109313723B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 肖夢秋
• 申請（專利權）人: 深圳鯤云信息科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063;G06N3/08
• 代理公司: 深圳市華優知識產權代理事務所(普通合伙) 44319
• 代理人: 余薇

本發明提供一種人工智能卷積處理方法，應用于處理模塊，所述方法包括：將存儲于第一緩存模塊中的第一待處理數據矩陣的首端增設多列無效數據，以形成第二待處理數據矩陣；其中，所述第二待處理數據矩陣的列數為數據傳輸并行度的整數倍；令數據傳輸模塊將所述第二待處理數據矩陣按照預設方式從所述第一緩存模塊中取出至卷積模塊，以待進行卷積運算。本發明為待處理數據矩陣增設多列無效數據，以使增設無效數據后的矩陣列數為數據傳輸并行度的倍數，從而使輸出的卷積計算結果值的數量統一為pv個，故而能夠實現人工智能卷積的流水處理，大大提升了人工智能卷積計算的運行效率并大幅改善了卷積計算性能。

技術領域

本發明涉及人工智能領域，特別是涉及人工智能卷積處理方法、裝置、可讀存儲介質、及終端。

背景技術

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

人工智能算法是模擬人腦的神經網絡模型算法，其運算量非常巨大，同樣采用了人工智能算法的AlphaGo，需要用到上千塊傳統處理器(CPU)和上百塊圖形處理器(GPU)；很顯然，在人工智能迎來新一波復興的今天，傳統處理器正成為阻礙人工智能普及的瓶頸。

但是，目前人工智能算法的流水線實現度不夠，如何實現高度化的流水線成為人工智能技術領域的關鍵技術。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供人工智能卷積處理方法及人工智能處理裝置，用于解決現有技術中人工智能算法的流水線程度不夠等技術問題。

為實現上述目的及其他相關目的，本發明提供一種人工智能卷積處理方法，應用于處理模塊，所述方法包括：將存儲于第一緩存模塊中的第一待處理數據矩陣的首端增設多列無效數據，以形成第二待處理數據矩陣；其中，所述第二待處理數據矩陣的列數為數據傳輸并行度的整數倍；令數據傳輸模塊將所述第二待處理數據矩陣按照預設方式從所述第一緩存模塊中取出至卷積模塊，以待進行卷積運算。

于本發明的一實施例中，所述將存儲于第一緩存模塊中的第一待處理數據矩陣的首端增設多列無效數據，具體包括：令所述數據傳輸并行度的值為pv，則第一待處理數據矩陣的首端增設(pv-2)列無效數據，以與所述第一待處理數據矩陣的前2列有效數據組成pv列數據。

于本發明的一實施例中，所述令數據傳輸模塊將所述第二待處理數據矩陣按照預設方式從所述第一緩存模塊中取出至卷積模塊，以待進行卷積運算，具體包括：令所述數據傳輸模塊按照pv*1的數據尺寸，按行分批將所述第二待處理數據矩陣從所述第一緩存模塊中取出并置入第二緩存模塊中；令所述數據傳輸模塊按照pv*k的數據尺寸，按行分批將所述第二待處理數據矩陣從所述第二緩存模塊中取出并置入矩陣模塊中以進行數據組合；其中，k為卷積核矩陣的尺寸。

于本發明的一實施例中，所述令所述數據傳輸模塊按照pv*k的數據尺寸，按行分批將所述第二待處理數據矩陣從所述第二緩存模塊中分批取出并置入矩陣模塊中，具體包括：所述第二待處理數據矩陣每k行為一組數據；所述數據傳輸模塊依次對每一組數據進行如下操作：在每個時鐘周期內，從該組數據中依次取出數據尺寸為pv*k的第三待處理數據矩陣并置入矩陣模塊中，直至該組數據全部被取出。

于本發明的一實施例中，在所述每一組數據中，所述數據傳輸模塊取出的第一個第三待處理數據矩陣包括(pv-2)列無效數據和2列有效數據，以令所述第一個第三待處理數據矩陣的計算結果值為無效值。

于本發明的一實施例中，在所述每一組數據中，從所述數據傳輸模塊取出的第二個第三待處理數據矩陣開始，每個第三待處理數據矩陣均與前一個第三待處理數據矩陣的最后2列組合形成k*(pv+2)階第四待處理數據矩陣；其中，每個所述k*(pv+2)階第四待處理數據矩陣均能夠按照步長為1進行矩陣提取，得到pv個k*k階第五待處理數據矩陣，用于傳輸至所述卷積模塊以與所述卷積核矩陣進行卷積計算。