[發明專利]數據處理裝置、電子設備和數據處理方法

在審

• 申請號: 202080004607.0
• 申請日: 2020-02-25
• 公開（公告）號: CN112639836A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 楊康;韓峰
• 申請（專利權）人: 深圳市大疆創新科技有限公司
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/04;G06F17/15;G06F7/544
• 代理公司: 北京太合九思知識產權代理有限公司 11610
• 代理人: 劉戈

一種數據處理裝置、電子設備和數據處理方法，其中裝置包括：輸入模塊(1)，用于獲取輸入特征值矩陣以及n位或者2n位的權重值矩陣；計算模塊(2)，用于將輸入特征值矩陣與n位或者2n位的權重值矩陣進行卷積運算，得到輸出特征值矩陣；輸出模塊(3)，用于輸出所述輸出特征值矩陣；其中，所述n為正整數?？梢詫崿F兩種長度的數據的卷積運算，提高深度卷積神經網絡的精度，適應不同深度卷積神經網絡的設計要求。

技術領域

本發明實施例涉及數據處理技術領域，尤其涉及一種數據處理裝置、電子設備和數據處理方法。

背景技術

深度卷積神經網絡是一種機器學習算法，它被廣泛應用于目標識別、目標檢測以及圖像的語義分割等計算機視覺任務。

深度卷積神經網絡的大部分運算都是卷積操作，設計專用的硬件電路加速卷積層的卷積運算，可以大幅度減少深度卷積神經網絡的計算時間。現有的卷積運算裝置的操作數只支持一種寬度的定點數，例如8bits定點數，因此無法處理有較高精度要求的深度卷積神經網絡的數據，難以滿足深度卷積神經網絡精度日益提高的設計要求。

發明內容

本發明實施例提供了一種數據處理裝置、電子設備和數據處理方法，以解決現有技術中卷積運算裝置難以滿足深度卷積神經網絡精度要求的技術問題。

本發明實施例第一方面提供一種數據處理裝置，包括：

輸入模塊，用于獲取輸入特征值矩陣以及n位或者2n位的權重值矩陣；

計算模塊，用于將輸入特征值矩陣與n位或者2n位的權重值矩陣進行卷積運算，得到輸出特征值矩陣；

輸出模塊，用于輸出所述輸出特征值矩陣；

其中，所述n為正整數。

本發明實施例第二方面提供一種電子設備，包括第一方面所述的數據處理裝置。

本發明實施例第三方面提供一種數據處理方法，包括：

獲取輸入特征值矩陣以及n位或者2n位的權重值矩陣；

將輸入特征值矩陣與n位或者2n位的權重值矩陣進行卷積運算，得到輸出特征值矩陣；

輸出所述輸出特征值矩陣；

其中，所述n為正整數。

本發明實施例提供的數據處理裝置、電子設備和數據處理方法，可以實現兩種長度的數據的卷積運算，提高深度卷積神經網絡的精度，適應不同深度卷積神經網絡的設計要求。

附圖說明

此處所說明的附圖用來提供對本發明的進一步理解，構成本發明的一部分，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中：

圖1為本發明實施例的一種應用場景的示意圖；

圖2為圖1所示應用場景中卷積操作過程的示意圖；

圖3為本發明實施例一提供的一種數據處理裝置的結構示意圖；

圖4為本發明實施例一提供的一種數據處理裝置進行卷積運算的原理示意圖；

圖5為本發明實施例二提供的一種數據處理裝置的結構示意圖；

圖6為本發明實施例三提供的一種數據處理裝置中脈動單元的結構示意圖；

圖7為本發明實施例三提供的一種數據處理裝置中累加器的結構示意圖；

圖8為本發明實施例三提供的數據處理裝置進行n位數據的卷積運算過程示意圖；

圖9為本發明實施例三提供的數據處理裝置進行2n位數據的卷積運算過程示意圖；