[發明專利]一種神經網絡的計算方法、系統、設備以及介質

有效

• 申請號: 202010876952.5
• 申請日: 2020-08-27
• 公開（公告）號: CN112116066B
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 郭韶燕
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063;G06N5/04;G06T1/60;G06T1/20
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 楊帆;李紅蕭

1.一種神經網絡的計算方法，其特征在于，包括以下步驟：

將存儲設備分為多個存儲空間并分別存儲特征圖；

向當前卷積層發送用于存儲待計算的特征圖的存儲空間對應的地址；

利用所述當前卷積層獲取并計算所述對應的地址中的待計算的特征圖；

判斷向所述當前卷積層發送的存儲空間中的待計算的特征圖是否需要作為其他卷積層的輸入；

響應于不需要作為其他卷積層的輸入且所述當前卷積層計算完成，釋放用于存儲當前卷積層對應的待計算的特征圖的存儲空間；

將存儲設備分為多個存儲空間并分別存儲特征圖，進一步包括：

統計神經網絡的最大分支數和單層卷積層輸出的特征圖所需的最大存儲空間；

根據所述最大分支數和所述最大存儲空間計算理論所需緩存空間大??；

比較所述理論所需緩存空間與所述存儲設備的大??；

響應于所述存儲設備不小于所述理論所需緩存空間，將所述存儲設備分為多個存儲空間，其中存儲空間的數量為所述最大分支數+1；

計算所述神經網絡的每一層卷積層輸出的特征圖所需的總空間大??；

比較所述總空間大小與所述存儲設備的大??；

響應于所述總空間小于所述存儲設備，利用線性堆疊的方式存儲所述每一層卷積層輸出的特征圖。

2.如權利要求1所述的方法，其特征在于，還包括：

檢查所述多個存儲空間的使用狀態；

將所述當前卷積層計算輸出的特征圖存儲到未使用的存儲空間并記錄對應關系以向利用所述當前卷積層輸出的特征圖進行計算的下一層卷積層發送對應的存儲空間的地址。

3.如權利要求1所述的方法，其特征在于，還包括：

響應于所述總空間大于所述存儲設備，將所述存儲設備分為多個存儲空間，其中存儲空間的數量為所述最大分支數+1。

4.如權利要求1所述的方法，其特征在于，還包括：

響應于需要作為其他卷積層的輸入且所述當前卷積層計算完成，不釋放用于存儲當前卷積層對應的待計算的特征圖的存儲空間。

5.如權利要求4所述的方法，其特征在于，還包括：

響應于所述其他卷積層計算完成，釋放所述存儲當前卷積層對應的待計算的特征圖的存儲空間。

6.一種神經網絡的計算系統，其特征在于，包括：

劃分模塊，所述劃分模塊配置為將存儲設備分為多個存儲空間并分別存儲特征圖；

發送模塊，所述發送模塊配置為向當前卷積層發送用于存儲待計算的特征圖的存儲空間對應的地址；

卷積層模塊，所述卷積層模塊配置為利用所述當前卷積層獲取并計算所述對應的地址中的待計算的特征圖；

判斷模塊，所述判斷模塊配置為判斷向所述當前卷積層發送的存儲空間中的待計算的特征圖是否需要作為其他卷積層的輸入；

釋放模塊，所述釋放模塊配置為響應于不需要作為其他卷積層的輸入且所述當前卷積層計算完成，釋放用于存儲當前卷積層對應的待計算的特征圖的存儲空間；

所述劃分模塊配置為：

統計神經網絡的最大分支數和單層卷積層輸出的特征圖所需的最大存儲空間；

根據所述最大分支數和所述最大存儲空間計算理論所需緩存空間大??；

比較所述理論所需緩存空間與所述存儲設備的大??；

響應于所述存儲設備不小于所述理論所需緩存空間，將所述存儲設備分為多個存儲空間，其中存儲空間的數量為所述最大分支數+1；

計算所述神經網絡的每一層卷積層輸出的特征圖所需的總空間大小；

比較所述總空間大小與所述存儲設備的大??；

響應于所述總空間小于所述存儲設備，利用線性堆疊的方式存儲所述每一層卷積層輸出的特征圖。

7.一種計算機設備，包括：

至少一個處理器；以及

存儲器，所述存儲器存儲有可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時執行如權利要求1-5任意一項所述的方法的步驟。

8.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時執行如權利要求1-5任意一項所述的方法的步驟。