[發明專利]神經網絡的數據處理方法、系統、電子設備與存儲介質

在審

• 申請號: 202210058624.3
• 申請日: 2022-01-19
• 公開（公告）號: CN114511904A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 肖海云;周有喜
• 申請（專利權）人: 新疆愛華盈通信息技術有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V20/30;G06N3/08;G06N3/04;G06K9/62;G06V10/82;G06V10/74
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請公開一種神經網絡的數據處理方法、系統、電子設備與存儲介質。神經網絡的數據處理方法包括，獲取緩存容納數量，緩存容納數量為緩存對特征值的最大存儲數量，緩存容納數量大于2；獲取神經網絡輸出的多個特征值，當多個特征值的數量大于緩存容納數量時，將多個特征值分成多個特征值組，其中，每個特征值組包含的特征值數量小于或等于緩存容納數量的一半；按照預設順序載入各個特征值組，計算各個特征值組內部特征值的相似度和計算各個特征值組之間特征值的相似度，得到多個特征值之間的相似度。本申請有利于提高神經網絡的運行速度，提高神經網絡的數據處理性能。

技術領域

本申請涉及人工智能技術領域，具體涉及一種神經網絡的數據處理方法、系統、電子設備與存儲介質。

背景技術

人工神經網絡(Artificial Neural Networks，簡寫為ANNs)也簡稱為神經網絡(NNs)。在執行識別類的神經網絡中，通常神經網絡會根據輸入數據生成特定的特征值輸出。而識別類的工作場景中，有一種特殊的聚類場景任務，需要對大量的特征值進行相似度計算，根據相似度進行分類。具體地，例如百度云相冊或中移動和家相冊，需要將千萬級的生活照片按照生活場景分類，或者根據人臉特征值按照人臉聚類。在這些場景中，需要將大量特征值進行兩兩比對，實現相似度的計算。由于特征值的數量巨大，導致神經網絡數據處理的耗時增加，神經網絡的數據處理性能有待提高。

發明內容

基于此，為了解決或改善現有技術的問題，本申請提供一種神經網絡的數據處理方法、系統、電子設備與存儲介質，可以提高神經網絡的數據處理性能。

第一方面，提供一種神經網絡的數據處理方法，包括：

獲取緩存容納數量，所述緩存容納數量為緩存對特征值的最大存儲數量，所述緩存容納數量大于2；

獲取神經網絡輸出的多個特征值，當所述多個特征值的數量大于所述緩存容納數量時，將所述多個特征值分成多個特征值組，其中，每個所述特征值組包含的特征值數量小于或等于所述緩存容納數量的一半；

按照預設順序載入各個特征值組，計算各個特征值組內部特征值的相似度和計算各個特征值組之間特征值的相似度，得到所述多個特征值之間的相似度。

其中的一個實施方式中，所述按照預設順序載入各個特征值組，計算各個特征值組內部特征值的相似度和計算各個特征值組之間特征值的相似度，包括：

對所述多個特征值組中的各個特征值組進行編號；

執行第一循環過程，所述第一循環過程包括：

將第i特征值組載入緩存中，計算第i特征值組內部特征值之間的相似度，執行第二循環過程；

所述第二循環過程包括：保持所述第i特征值組在所述緩存中不動，將第j特征值組載入所述緩存中，計算第i特征值組中各個特征值與第j特征值組中各個特征值的相似度，將第j特征值組調出所述緩存，將第j+1特征值組載入緩存中，計算第i特征值組中各個特征值與第j+1特征值組中各個特征值的相似度；

其中，第一循環過程中，i依次取1至n的自然數，n為所述多個特征值組中特征值組的數量；第二循環過程中，j依次取i+1至n-1的自然數。

其中的一個實施方式中，所述多個特征值組包括第一特征值組、第二特征值組和第三特征值組；

所述按照預設順序載入各個特征值組，計算各個特征值組內部特征值的相似度和計算各個特征值組之間特征值的相似度，包括：

將第一特征值組輸入所述緩存中，并計算第一特征值組中各個特征值之間的相似度；

將第二特征值組載入所述緩存中，使所述緩存中存儲有第一特征值組和第二特征值組，計算第一特征值組中各個特征值與第二特征值組中各個特征值之間的相似度；