【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
,特别是涉及一种数据处理方法、装置、计算机设备和存储介质。
技术介绍
在人工智能
,神经网络算法是最近非常流行的一种机器学习算法,在各种领域中都取得了非常好的效果,比如图像识别,语音识别,自然语言处理等。随着神经网络算法的发展,算法的复杂度也越来越高,为了提高识别度,模型的规模也在逐渐增大。用GPU和CPU处理起这些大规模的模型,要花费大量的计算时间,并且耗电量很大。
技术实现思路
基于此,有必要针对上述技术问题,提供一种能够节约计算时间、减少能耗,提高计算精度的数据处理方法、装置、计算机设备和存储介质。根据本公开的一方面,提供了一种数据处理方法,包括:根据采用多对截断阈值对待量化数据进行量化处理得到的量化数据的绝对值的均值,从多对截断阈值中确定出一对截断阈值,其中,所述待量化数据为winograd卷积处理过程中的一组数据,所述多对截断阈值中的每对截断阈值包括第一截断阈值和第二截断阈值,其中,所述第二截断阈值为所述待量化数据中的最小值;根据确定出的所述一对截断阈值对所述待量化数据进行量化处理,得到量化后的数据;根据所述量化后的数据继续执行winograd卷积处理,得到量化后的winograd卷积结果;对所述量化后的winograd卷积结果执行反量化处理,得到winograd卷积结果。根据本公开的另一方面,提供了一种数据处理装置,所述装置包括:第一确定模块,根据采用多对截断 ...
【技术保护点】
1.一种数据处理方法,其特征在于,所述方法包括:/n根据采用多对截断阈值对待量化数据进行量化处理得到的量化数据的绝对值的均值,从多对截断阈值中确定出一对截断阈值,其中,所述待量化数据为winograd卷积处理过程中的一组数据,所述多对截断阈值中的每对截断阈值包括第一截断阈值和第二截断阈值,其中,所述第二截断阈值为所述待量化数据中的最小值;/n根据确定出的所述一对截断阈值对所述待量化数据进行量化处理,得到量化后的数据;/n根据所述量化后的数据继续执行winograd卷积处理,得到量化后的winograd卷积结果;/n对所述量化后的winograd卷积结果执行反量化处理,得到winograd卷积结果。/n
【技术特征摘要】
1.一种数据处理方法,其特征在于,所述方法包括:
根据采用多对截断阈值对待量化数据进行量化处理得到的量化数据的绝对值的均值,从多对截断阈值中确定出一对截断阈值,其中,所述待量化数据为winograd卷积处理过程中的一组数据,所述多对截断阈值中的每对截断阈值包括第一截断阈值和第二截断阈值,其中,所述第二截断阈值为所述待量化数据中的最小值;
根据确定出的所述一对截断阈值对所述待量化数据进行量化处理,得到量化后的数据;
根据所述量化后的数据继续执行winograd卷积处理,得到量化后的winograd卷积结果;
对所述量化后的winograd卷积结果执行反量化处理,得到winograd卷积结果。
2.根据权利要求1所述的方法,其特征在于,根据采用多对截断阈值对待量化数据进行量化处理得到的量化数据的绝对值的均值,从多对截断阈值中确定出一对截断阈值,包括:
在当前轮次的搜索中,采用多对截断阈值对所述待量化数据进行量化,得到量化后的多组数据;
根据每组数据的绝对值的均值与所述待量化数据的绝对值的均值之间的差异,从所述多对截断阈值中确定一对待选截断阈值;
在当前轮次搜索满足继续搜索条件时,根据所述待选截断阈值确定新的多对截断阈值,并根据新的多对截断阈值进行下一轮搜索,直至当前轮次搜索不满足继续搜索条件;
在当前轮次搜索不满足继续搜索条件时,将所述待选截断阈值确定为从多对截断阈值中确定出的一对截断阈值。
3.根据权利要求2所述的方法,其特征在于,所述继续搜索条件包括以下至少一种:
已经进行的搜索次数小于预定的搜索总次数;
当前搜索中每组数据的绝对值的均值与所述待量化数据的绝对值的均值之间的差异大于或等于差异阈值。
4.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
确定所述待量化数据中数据的最大绝对值;
基于所述最大绝对值和截断对数,确定多个第一截断阈值;
根据所述多个第一截断阈值和所述第二截断阈值,得到所述多对截断阈值。
5.根据权利要求1所述的方法,其特征在于,所述winograd卷积处理过程,包括:
将待运算数据的winograd正变换拆解为求和运算,并进行计算得到所述待运算数据中每个数据的winograd正变换结果;
执行所述待运算数据中对应数据的winograd正变换结果之间的对位乘操作,得到对位乘结果;
将对所述对位乘结果的winograd逆变换拆解为求和运算,得到所述winograd卷积结果,
其中,所述待量化数据为所述待运算数据、所述待运算数据的winograd正变换结果和所述对位乘结果中的任一种。
6.根据权利要求5所述的方法,其特征在于,根据确定出的所述一对截断阈值对所述待量化数据进行量化处理,得到量化后的数据,包括以下任一操作:
在将待运算数据的winograd正变换拆解为求和运算之前,将所述待运算数据作为待量化数据进行量化处理;
在进行对位乘操作之前,将待运算数据中每个数据的winograd正变换结果作为待量化数据进行量化处理;
在进行winograd逆变换拆解为求和运算之前,将所述对位乘结果作为待量化数据进行量化处理。
7.根据权利要求5所述的方法,其特征在于,所述将待运算数据的winograd正变换拆解为求和运算,并进行计算得到所述待运算数据中每个数据的winograd正...
【专利技术属性】
技术研发人员:不公告发明人,
申请(专利权)人:中科寒武纪科技股份有限公司,
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。