[發明專利]數據存儲方法、裝置、設備和存儲介質

有效

• 申請號: 202010764719.8
• 申請日: 2020-08-03
• 公開（公告）號: CN111737193B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 牛昕宇;李遠超;蔡權雄
• 申請（專利權）人: 深圳鯤云信息科技有限公司
• 主分類號: G06F15/82
• 分類號: G06F15/82;G06N3/063;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆;潘登

本發明實施例公開了一種數據存儲方法、裝置、設備和存儲介質。該數據存儲方法包括：獲取神經網絡的第一層的第一待計算數據和所述第一待計算數據對應的第一神經網絡計算類型；基于所述第一神經網絡計算類型配置第一預設規則；基于所述第一預設規則對所述第一待計算數據進行存儲，以使所述第一待計算數據按照所述第一神經網絡計算類型匹配的第一數據順序發送給數據流網絡中的計算模塊進行計算；其中，所述第一待計算數據按照預設的數據流向在所述數據流網絡中流動。通過根據神經網絡計算類型配置對應的預設規則，達到將不同網絡計算類型的數據按不同存儲方式存儲并發送給計算模塊進行計算的效果。

技術領域

本申請實施例涉及神經網絡技術領域，例如涉及一種數據存儲方法、裝置、設備和存儲介質。

背景技術

隨著神經網絡技術的快速發展，神經網絡的計算數據量越來越大，數據存儲是神經網絡技術的一項重要內容。

目前基于數據流架構開發的神經網絡芯片，神經網絡模型通常包括多個網絡層級，每一層的結構類型稱為每一層的網絡計算類型，不同層之間的網絡計算類型可能不同，而神經網絡的計算數據通常與網絡計算類型對應，因此，在計算模塊固定情況下，神經網絡芯片需要針對不同網絡計算類型采用不同的數據存儲方式。通常，數據流架構芯片的數據和參數由片外存儲搬運到片內存儲后都是直接順序讀出給后續計算模塊使用，即需要外部軟件將數據整理好順序再傳遞到片上。

然而，在采用數據流架構的芯片中，上述方式不能靈活支持多種類型網絡，如果網絡計算參數發生改變，則芯片只能通過補充數據和加大計算量的方式來支持對應的網絡計算類型，降低了芯片的計算效率，并且外部實時數據一旦改變，就不能滿足計算需要。

發明內容

本發明實施例提供一種數據存儲方法、裝置、設備和存儲介質，以實現將數據流架構芯片的不同網絡計算類型的數據按不同存儲方式存儲和計算的效果。

第一方面，本發明實施例提供了一種神經網絡計算類型的存儲方法，包括：

獲取神經網絡的第一層的第一待計算數據和所述第一待計算數據對應的第一神經網絡計算類型；

基于所述第一神經網絡計算類型配置第一預設規則；

基于所述第一預設規則對所述第一待計算數據進行存儲，以使所述第一待計算數據按照所述第一神經網絡計算類型匹配的第一數據順序發送給數據流網絡中的計算模塊進行計算；

其中，所述第一待計算數據按照預設的數據流向在所述數據流網絡中流動。

可選的，在所述基于所述第一預設規則對所述第一待計算數據進行存儲之后，還包括：

獲取神經網絡的第二層的第二待計算數據和所述第二待計算數據對應的第二神經網絡計算類型；

判斷所述第一神經網絡計算類型是否與所述第二神經網絡計算類型相同；

響應于所述第一神經網絡計算類型與所述第二神經網絡計算類型相同的判斷結果，基于所述第一預設規則對所述第二待計算數據進行存儲；

響應于所述第一神經網絡計算類型與所述第二神經網絡計算類型不相同的判斷結果，基于所述第二神經網絡計算類型配置第二預設規則，基于所述第二預設規則對所述第二待計算數據進行存儲，以使所述第二待計算數據按照所述第二神經網絡計算類型匹配的第二數據順序發送給所述數據流網絡中的計算模塊進行計算。

可選的，所述第一預設規則包括預設存儲規則和預設計算規則；

所述基于所述第一預設規則對所述第一待計算數據進行存儲，包括：

基于所述預設存儲規則對所述第一待計算數據進行存儲，其中，所述預設存儲規則為將所述第一待計算數據按照所述第一數據順序進行存儲的規則；