[发明专利]一种参数提取方法、装置、设备及介质

说明书

本发明公开了一种参数提取方法、装置、设备及介质，用以提高中央处理器的工作效率。所述参数提取方法，包括：获取深度神经网络模型中至少一层参数的参数属性；基于所述参数属性从预先存储的参数集合中筛选出目标参数；将所述目标参数发送给运行所述深度神经网络模型的现场可编程门阵列FPGA。

技术领域

本发明涉及计算机领域，尤其涉及一种参数提取方法、装置、设备及介质。

背景技术

现有技术中，当现场可编程门阵列(Field-Programmable Gate Array，FPGA)芯片在需要某些参数时，存储参数的存储器会将存储的全部数据打包发送给中央处理器(Central Processing Unit，CPU)，CPU在收到存储器发送的全部数据之后，对打包的数据进行解析，并从中提取出FPGA芯片需要的参数，并将参数发送给FPGA。

采用上述提取方式提取参数时，需要CPU对打包的数据进行解析，这将占用大量的CPU资源，影响CPU的工作效率。

发明内容

本发明实施例提供一种参数提取方法、装置、设备及介质，用以提高中央处理器的工作效率。

第一方面，本发明实施例提供了一种参数提取方法，包括：

获取深度神经网络模型中至少一层参数的参数属性；

基于参数属性从预先存储的参数集合中筛选出目标参数；

将目标参数发送给运行深度神经网络模型的现场可编程门阵列FPGA。

本发明实施例提供的参数提取方法，获取深度神经网络模型中至少一层参数的参数属性，基于参数属性从预先存储的参数集合中筛选出目标参数，并将目标参数发送给运行深度神经网络模型的PFGA中，从而实现将深度神经网络所需参数提取出来，与现有CPU对全部的数据进行解析提取FPGA所需参数的方式相比，可以根据深度神经网络模型中各层参数的参数属性提取FPGA所需的参数，无需CPU对打包的数据进行解析，提高了CPU的工作效率。

在一种可能的实施方式中，本发明实施例提供的上述方法中，参数属性包括层标识和/或层参数属性。

在一种可能的实施方式中，本发明实施例提供的上述方法中，层参数属性包括以下一种或多种：输入层名、当前层类型、核大小、滑动步长以及填充尺寸。

在一种可能的实施方式中，本发明实施例提供的上述方法中，参数属性包括层标识，基于参数属性从预先存储的参数集合中筛选出目标参数，包括：

从预先存储的参数集合中筛选与层标识标识相同的参数作为目标参数。

在一种可能的实施方式中，本发明实施例提供的上述方法中，参数属性包括层标识，基于参数属性从预先存储的参数集合中筛选出目标参数，包括：

确定FPGA当前运算层的层标识；

从预先存储的参数集合中筛选与FPGA当前运算层的层标识标识相同的参数作为目标参数。

在一种可能的实施方式中，本发明实施例提供的上述方法中，参数属性包括层标识和层参数属性，基于参数属性从预先存储的参数集合中筛选出目标参数，包括：

确定FPGA当前运算层的层标识；

从预先存储的参数集合中筛选与FPGA当前运算层的层标识标识相同、且与层参数属性属性相同的参数作为目标参数。

本发明实施例提供的参数提取方法，确定FPGA当前运算层的层标识，从预先存储的参数集合中筛选与FPGA当前运算层的层标识标识相同、且与层参数属性属性相同的参数作为目标参数。当FPGA需要当前运算层中的某些参数时，采用该方案可以先将FPGA当前运算层所用的数据全部筛选出来，并将该层参数中与层参数属性属性相同的参数提取出来，从而保证提取的参数更加准确。