[发明专利]卷积神经网络数据的预处理方法和装置

权利要求书

1.一种卷积神经网络数据的预处理方法，包括：

利用预处理装置包括的处理器确定卷积神经网络的平均池化层；

确定所述平均池化层的运算数据，所述运算数据包括所述平均池化层的输入张量的通道数量、所述平均池化层的池化核的形状、所述池化核单次可覆盖的体素的数量以及所述池化核的步长；

根据所述运算数据确定至少一个卷积核；

将所述平均池化层转换为至少一个卷积层，所述至少一个卷积层使用所述至少一个卷积核；以及

利用卷积神经网络加速器中的卷积引擎执行所述至少一个卷积层的卷积运算；

其中，所述卷积神经网络加速器不包括用于平均池化操作的池化电路。

2.根据权利要求1所述的预处理方法，其中，

所述至少一个卷积层包括一个深度可分离卷积层，

所述至少一个卷积核包括所述深度可分离卷积层的一个卷积核，并且

所述深度可分离卷积层的卷积核的通道数量、在单个通道上的形状、步长、每个体素的值分别对应于所述输入张量的通道数量、所述池化核的形状、所述池化核的步长、所述池化核单次可覆盖的体素的数量的倒数。

3.根据权利要求1所述的预处理方法，其中，

所述至少一个卷积层包括一个普通卷积层，

所述至少一个卷积核包括所述普通卷积层的一个或多个卷积核，所述普通卷积层的一个或多个卷积核的数量与所述输入张量的通道数量相同，

所述普通卷积层的每个卷积核的通道数量、在单个通道上的形状、步长分别对应于所述输入张量的通道数量、所述池化核的形状、所述池化核的步长，并且

所述普通卷积层的每个卷积核具有互不相同的唯一非零通道，每个唯一非零通道上的每个体素的值对应于所述池化核单次可覆盖的体素的数量的倒数。

4.根据权利要求1所述的预处理方法，还包括：

确定所述平均池化层的输入张量的至少一个子张量，每个子张量具有至少一个通道并且对应于所述输入张量在所述至少一个通道上的数据，不同的子张量不具有相同的通道，所有子张量的所有通道包括所述输入张量的所有通道。

5.根据权利要求4所述的预处理方法，其中，

所述至少一个卷积层包括至少一个深度可分离卷积层，所述至少一个深度可分离卷积层中的每个深度可分离卷积层的输入张量分别对应于所述至少一个子张量中的不同子张量，

所述至少一个卷积核包括所述至少一个深度可分离卷积层中的每个深度可分离卷积层的相应的卷积核，并且

所述至少一个深度可分离卷积层中的每个深度可分离卷积层的相应的卷积核的通道数量、在单个通道上的形状、步长、每个体素的值分别对应于对应的子张量的通道数量、所述池化核的形状、所述池化核的步长、所述池化核单次可覆盖的体素的数量的倒数。

6.根据权利要求4所述的预处理方法，其中，

所述至少一个卷积层包括至少一个普通卷积层，所述至少一个普通卷积层中的每个普通卷积层的输入张量分别对应于所述至少一个子张量中的不同子张量，

所述至少一个卷积核包括所述至少一个普通卷积层中的每个普通卷积层的一个或多个卷积核，所述至少一个普通卷积层中的每个普通卷积层的一个或多个卷积核的数量与对应的子张量的通道数量相同，

所述至少一个普通卷积层中的每个普通卷积层的每个卷积核的通道数量、在单个通道上的形状、步长分别对应于对应的子张量的通道数量、所述池化核的形状、所述池化核的步长，并且

所述至少一个普通卷积层中的每个普通卷积层的每个卷积核具有互不相同的唯一非零通道，每个唯一非零通道上的每个体素的值是所述池化核单次可覆盖的体素的数量的倒数。