[发明专利]一种数据处理方法及相关产品

说明书

本申请实施例公开了一种数据处理方法及相关产品，当神经网络模型中存在可以优化的结构时，通过对神经网络模型执行多种优化操作中的至少一个优化操作，可以实现针对神经网络模型的优化，当接收到机器学习处理任务的请求时，调用优化后的神经网络模型可以减少冗余计算，继而提高神经网络模型的运算速度。

技术领域

本申请涉及信息处理技术领域，尤其涉及一种数据处理方法及相关产品。

背景技术

神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，这种网络由大量的节点(或称神经元)之间星湖连接构成，通过调整内部大量节点之间相互连接的关系，利用输入数据、权值产生输出数据模拟人脑的信息处理过程处理信息并生成模式识别之后的结果。

现有技术中，一般通过对神经网络模型的结构进行调整(例如，减少神经网络模型的神经元数量、对神经网络模型的权值数据进行剪枝等等)，以降低神经网络模型的计算量，进而提高神经网络模型的运算速度，并不涉及如何根据神经网络模型中函数的位置关系对神经网络模型进行优化。

发明内容

本申请实施例提供一种数据处理方法及相关产品，可以优化神经网络模型，从而可以减少神经网络模型的冗余计算，提高神经网络模型的运算速度。

第一方面，本申请实施例提供了一种数据处理方法，该方法包括：

获取第一神经网络模型；

根据第一神经网络模型中函数的位置关系对所述第一神经网络模型进行修整，得到第二神经网络模型；其中，所述函数的位置关系包括reshape函数和/或transpose函数的位置关系。

第二方面，本申请实施例提供了一种数据处理装置，该装置包括用于执行上述第一方面的方法的单元。具体地，该装置可以包括：

获取单元，用于获取第一神经网络模型；

第一优化单元，用于根据第一神经网络模型中函数的位置关系对所述第一神经网络模型进行修整，得到第二神经网络模型；其中，所述函数的位置关系包括reshape函数和/或transpose函数的位置关系。

在其中一个可能的实现方式中，所述第一优化单元包括第一合并单元、第二合并单元以及替换单元中的至少一种；其中，

所述第一合并单元，用于当所述第一神经网络模型中包含连续N个reshape函数时，将所述连续N个reshape函数合并为一个reshape函数；其中，N为大于等于2的正整数；

所述第二合并单元，用于当所述第一神经网络模型中包含连续M个transpose函数时，将所述连续M个transpose函数合并为一个transpose函数；其中，M为大于等于2的正整数；

所述替换单元，用于当所述第一神经网络模型中的reshape函数与transpose函数等价，并且所述第一神经网络模型中的reshape函数与transpose函数相邻时，将所述transpose函数替换为所述reshape函数，或者，将所述reshape函数替换为所述transpose函数。

第三方面，本申请实施例提供了一种数据处理设备，包括处理器和存储器，所述处理器和存储器相互连接，其中，所述存储器用于存储支持数据处理设备执行上述方法的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。

第五方面，本申请实施例提供了一种计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。