[发明专利]一种深度学习网络的网络结构确定方法及装置

权利要求书

1.一种深度学习网络的网络结构确定方法，其特征在于，所述方法包括：

针对深度学习网络中的指定网络层，获取处理器中寄存器的寄存器位宽，以及输入量中元素的元素位宽，其中，所述处理器用于运行深度学习网络，所述寄存器用于存储所述指定网络层待运算的输入量；

根据所述寄存器位宽、所述元素位宽，以及预设关系式，确定所述指定网络层的规格参数，其中，所述预设关系式为寄存器位宽、元素位宽与网络层的规格参数所满足的关系式，所述规格参数为滑窗参数或者输入通道数或者输入量的个数；在所述规格参数为滑窗参数时，所述预设关系式为：元素位宽与滑窗参数的乘积为寄存器位宽的正整数倍；在所述规格参数为输入通道数时，所述预设关系式为：元素位宽与输入通道数的乘积为寄存器位宽的正整数倍；在所述规格参数为输入量的个数时，所述预设关系式为：元素位宽与输入量的个数的乘积为寄存器位宽的正整数倍；

根据所述指定网络层的规格参数，确定所述深度学习网络的网络结构。

2.根据权利要求1所述的方法，其特征在于，在所述确定所述指定网络层的规格参数的步骤之前，所述方法还包括：

获取所述寄存器存储所述输入量中各元素的存储顺序；

根据所述存储顺序，确定与所述存储顺序对应的所述指定网络层的规格参数为网络层的滑窗参数，或者网络层的输入通道数，或者网络层的输入量的个数；

所述根据所述寄存器位宽、所述元素位宽，以及预设关系式，确定所述指定网络层的规格参数的步骤，包括：

根据所述寄存器位宽、所述元素位宽，以及预设关系式，确定所述指定网络层的滑窗参数或输入通道数或输入量的个数。

3.根据权利要求2所述的方法，其特征在于，所述存储顺序为：先存储一个输入量中一个输入通道的各元素的第一顺序，或者，先存储一个输入量中一个位置的各通道的元素的第二顺序，或者，先存储各输入量中相同输入通道相同位置的元素的第三顺序；

所述确定所述指定网络层的滑窗参数或输入通道数或输入量的个数的步骤，包括：

在所述存储顺序为第一顺序时，确定所述指定网络层的滑窗参数；

在所述存储顺序为第二顺序时，确定所述指定网络层的输入通道数；

在所述存储顺序为第三顺序时，确定所述指定网络层的输入量的个数。

4.根据权利要求2或3所述的方法，其特征在于，在所述指定网络层的规格参数为网络层的滑窗参数时，所述预设关系式为：元素位宽与网络层的滑窗参数的乘积为寄存器位宽的正整数倍；

所述根据所述寄存器位宽、所述元素位宽，以及预设关系式，确定所述指定网络层的滑窗参数的步骤，包括：

根据所述寄存器位宽、所述元素位宽，以及元素位宽与网络层的滑窗参数的乘积为寄存器位宽的正整数倍，计算得到所述指定网络层的滑窗参数。

5.根据权利要求2或3所述的方法，其特征在于，在所述指定网络层的规格参数为网络层的输入通道数时，所述预设关系式为：元素位宽与网络层的输入通道数的乘积为寄存器位宽的正整数倍；

所述根据所述寄存器位宽、所述元素位宽，以及预设关系式，确定所述指定网络层的输入通道数的步骤，包括：

根据所述寄存器位宽、所述元素位宽，以及元素位宽与网络层的输入通道数的乘积为寄存器位宽的正整数倍，计算得到所述指定网络层的输入通道数。

6.根据权利要求2或3所述的方法，其特征在于，在所述指定网络层的规格参数为网络层的输入量的个数时，所述预设关系式为：元素位宽与网络层的输入量的个数的乘积为寄存器位宽的正整数倍；

所述根据所述寄存器位宽、所述元素位宽，以及预设关系式，确定所述指定网络层的输入量的个数的步骤，包括：

根据所述寄存器位宽、所述元素位宽，以及元素位宽与网络层的输入量的个数的乘积为寄存器位宽的正整数倍，计算得到所述指定网络层的输入量的个数。