[发明专利]用于四元数操作的基于张量的计算系统

权利要求书

1.一种机器学习系统，包括：

处理硬件，所述处理硬件包括计算电路和数据存储电路，所述处理硬件被配置成用于形成四元数(QT)计算引擎；

其中，所述QT计算引擎的输入数据包括四元数值，每个四元数值包括实部和三个虚部，所述实部和三个虚部被表示为实值张量的集合，其中：

单个四元数值被表示为具有四个实值分量的1维实值张量，其中第一实值分量表示所述单个四元数值的所述实部，并且其中第二实值分量、第三实值分量、和第四实值分量各自分别表示所述虚部中的一个；

具有尺寸N的四元数值向量被表示为包括N个1维实值张量的2维实值张量；并且

具有N x M维的四元数值矩阵被表示为包括M个2维实值张量的3维实值张量，所述2维实值张量包括N个1维实值张量。

2.如权利要求1所述的机器学习系统，其特征在于，所述QT计算引擎是四元数深度神经网络(QTDNN)的一部分，所述四元数深度神经网络(QTDNN)包括：

一个或多个隐藏层的集合，每个隐藏层包括QT计算子层的集合，其中所述集合的所述QT计算子层中的一个QT计算子层包括所述QT计算引擎。

3.如权利要求1所述的机器学习系统，其特征在于，所述输入数据表示具有三个通道的第一图像，所述三个通道表示红强度值、绿强度值、和蓝强度值，并且其中所述第一图像被编码为多个单个的四元数值的集合，其中所述1维张量的与实四元数分量相对应的所述第一实值分量被设置为零，并且其中红通道值、绿通道值、和蓝通道值由所述1维张量的与所述虚部对应的所述第二实值分量、所述第三实值分量、和所述第四实值分量表示。

4.如权利要求3所述的机器学习系统，其特征在于，所述四元数值的集合进一步被编码为四维张量，所述四维张量具有表示沿所述第一图像的高度的像素的第一维度、表示沿所述图像的宽度的像素的第二维度、为1的第三维度、以及为所述多个单个的四元数值的第四维度。

5.如权利要求4所述的机器学习系统，其特征在于，所述输入数据包括批量的图像，所述批量的图像包括所述第一图像，并且其中，所述QT计算引擎用于使用QT计算操作一起处理所述批量的图像。

6.如权利要求5所述的机器学习系统，其特征在于，所述批量的图像被表示为五维张量，所述五维张量具有表示所述批量的图像的第一维度以及表示所述四维张量的其余维度。

7.如权利要求6所述的机器学习系统，其特征在于，所述QT计算引擎包括QT卷积核,所述QT卷积核在具有C个通道的输入图像上具有窗口尺寸S*T，所述输入图像被表示为具有第一维度S、第二维度T、第三维度C和第四维度4的四维张量。

8.如权利要求6所述的机器学习系统，其特征在于，所述QT计算引擎包括具有K个核的QT卷积引擎,每个核在具有C个通道的输入图像上具有窗口尺寸S*T，所述输入图像被表示为具有第一维度K、第二维度S、第三维度T、第四维度C、以及第五维度4的五维张量。

9.如权利要求1所述的机器学习系统，其特征在于，所述QT计算引擎被配置成用于执行多个QT计算操作，所述多个QT计算操作包括对被表示为实值张量的四元数值的非可交换QT乘法。

10.如权利要求1所述的机器学习系统，其特征在于，所述QT计算引擎被配置成用于执行多个QT计算操作，所述多个QT计算操作包括对被表示为实值张量的四元数值的QT几何积。

11.如权利要求1所述的机器学习系统，其特征在于，所述QT计算引擎被配置成用于执行多个QT计算操作，所述多个QT计算操作包括对被表示为实值张量的四元数值的QT对合。

12.如权利要求1所述的机器学习系统，其特征在于，所述QT计算引擎被预先配置有具有四个维度、五个维度和六个维度的QT操作块。