【技术实现步骤摘要】
数据处理方法、装置、计算机设备和存储介质
本公开涉及计算机
,特别是涉及一种基于标签数据的神经网络运算装置、方法、计算机设备和存储介质。
技术介绍
随着计算机技术的发展,神经网络(neuralnetworks)也有了显著的进步,可以通过特定或者通用的处理器进行神经网络运算。相关技术中,在神经网络中数据类型多、运算量大、硬件限制等因素的影响下,神经网络运算的速度受到了很大限制。
技术实现思路
基于此,有必要针对上述技术问题,提供一种基于标签数据的神经网络运算装置、方法、计算机设备和存储介质。根据本公开的一方面,提供了一种基于标签数据的神经网络运算装置,应用于处理器,所述装置包括:创建模块,用于创建并存储对应于神经网络运算的无类别数据节点、操作节点和待标记计算图,所述待标记计算图中包括所述无类别数据节点、所述操作节点以及所述无类别数据节点与所述操作节点之间的连接关系;编译模块,用于对所述待标记计算图进行扫描确定所述无类别数据节点中第一数据的标签信息,根据所述待标记计算图和/或所述标签信息进行编译处理,生成对应的一个或多个指令;运行模块,用于运行所述一个或多个指令,实现神经网络运算,其中,所述标签信息包括静态标签信息,所述静态标签信息用于表征所述第一数据参与所述神经网络运算相关的信息。根据本公开的另一方面,提供了一种基于标签数据的神经网络运算方法,应用于处理器,所述方法包括:创建并存储对应于神经网络运算的无类别数据节点、操作节点和待标记计算图,所述待标记计算 ...
【技术保护点】
1.一种基于标签数据的神经网络运算装置,其特征在于,应用于处理器,所述装置包括:/n创建模块,用于创建并存储对应于神经网络运算的无类别数据节点、操作节点和待标记计算图,所述待标记计算图中包括所述无类别数据节点、所述操作节点以及所述无类别数据节点与所述操作节点之间的连接关系;/n编译模块,用于对所述待标记计算图进行扫描确定所述无类别数据节点中第一数据的标签信息,根据所述待标记计算图和/或所述标签信息进行编译处理,生成对应的一个或多个指令;/n运行模块,用于运行所述一个或多个指令,实现神经网络运算,/n其中,所述标签信息包括静态标签信息,所述静态标签信息用于表征所述第一数据参与所述神经网络运算相关的信息。/n
【技术特征摘要】
1.一种基于标签数据的神经网络运算装置,其特征在于,应用于处理器,所述装置包括:
创建模块,用于创建并存储对应于神经网络运算的无类别数据节点、操作节点和待标记计算图,所述待标记计算图中包括所述无类别数据节点、所述操作节点以及所述无类别数据节点与所述操作节点之间的连接关系;
编译模块,用于对所述待标记计算图进行扫描确定所述无类别数据节点中第一数据的标签信息,根据所述待标记计算图和/或所述标签信息进行编译处理,生成对应的一个或多个指令;
运行模块,用于运行所述一个或多个指令,实现神经网络运算,
其中,所述标签信息包括静态标签信息,所述静态标签信息用于表征所述第一数据参与所述神经网络运算相关的信息。
2.根据权利要求1所述的装置,其特征在于,所述创建模块,包括:
数据节点子模块,用于根据获取的第一数据的输入信息,确定所述第一数据的静态标签信息,并根据所述第一数据和所述静态标签信息创建对应的无类别数据节点,所述静态标签信息包括以下至少一项:静态数据类型、静态数据维度、静态数据维度顺序以及对应每个静态数据维度的维度值;
操作节点子模块,用于创建与所述神经网络中的操作相对应的操作节点;
计算图子模块,用于根据所述无类别数据节点、所述操作节点以及所述数据节点和所述操作节点之间的连接关系,创建待标记计算图。
3.根据权利要求1所述的装置,其特征在于,所述静态标签信息还包括数据类别,
其中,所述编译模块,包括:
数据类别确定子模块,用于扫描所述待标记计算图,生成所述待标记计算图中数据节点中第一数据的静态标签信息中的数据类别,
其中,所述数据类别包括以下任一项:指令、输入神经元、输出神经元、隐藏神经元、常量神经元、输入权值、输出权值、常量权值和辅助数据。
4.根据权利要求3所述的装置,其特征在于,所述数据类别生成子模块,包括:
计算图获取子模块,用于获取所述待标记计算图;
遍历子模块,用于遍历所述待标记计算图,获得所述待标记计算图中所有的无类别数据节点的信息和操作节点的信息,所述无类别数据节点的信息包括所述第一数据、所述第一数据对应的前续操作节点和后续操作节点,所述操作节点的信息包括实现所述操作节点的操作所对应的参数、对应的输入数据节点和输出数据节点;
信息存储子模块,用于在数据节点队列中依次存储遍历到的所述无类别数据节点的信息,在操作节点队列中依次存储遍历到的所述操作节点的信息;
类别确定子模块,用于根据所述无类别数据节点的信息,确定对应的无类别数据节点中第一数据的数据类别,并将确定了对应的数据类别的无类别数据节点从所述数据节点队列中删除。
5.根据权利要求4所述的装置,其特征在于,所述类别确定子模块被配置为:
根据所述无类别数据节点所连接的前续操作节点的数量,确定所述无类别数据节点的入度;
根据所述无类别数据节点所连接的后续操作节点的数量,确定所述无类别数据节点的出度;
根据所述无类别数据节点的前续操作节点和后续操作节点,确定所述无类别数据节点中第一数据的待定数据类别;
根据所述无类别数据节点的入度、出度,从待定数据类别中确定出无类别数据节点中第一数据的数据类别。
6.根据权利要求4所述的装置,其特征在于,所述数据类别确定子模块,还包括:
计算图标记子模块,用于将确定出的数据类型存储至所述待标记计算图中对应的无类型数据节点中,形成具有静态标签信息的数据节点,得到已标记计算图。
7.根据权利要求6所述的装置,其特征在于,所述标签信息还包括动态标签信息,所述动态标签信息用于表征所述第一数据与运行所述神经网络的处理器相关的信息,
其中,所述编译模块,还包括:
动态标签生成子模块,用于根据所述处理器和所述静态标签信息,生成所述第一数据的动态标签信息,并将所述动态标签信息添加到所述已标记计算图中对应的数据节点中,
其中,所述动态标签信息包括以下至少一项:动态数据类型、动态数据维度顺序、分片参数、填充参数和数据尺...
【专利技术属性】
技术研发人员:不公告发明人,
申请(专利权)人:北京中科寒武纪科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。