[发明专利]浮点数的乘法运算方法及计算机可读存储介质

说明书

本发明公开了一种浮点数的乘法运算方法及计算机可读存储介质，方法包括：建立第一量化查找表和第二量化查找表，第一量化查找表用于记录浮点数与其对应的整数集的关联关系，第二量化查找表用于记录整数与其对应的浮点数的关联关系；获取待相乘的两个浮点数；根据第一量化查找表，分别获取两个浮点数对应的整数集，得到第一整数集和第二整数集；分别将第一整数集中的各整数与第二整数集中的各整数进行相加，得到第三整数集；根据第二量化查找表，分别获取第三整数集中各整数对应的浮点数；对各整数对应的浮点数进行相加，得到待相乘的两个浮点数的乘法运算结果。本发明在加速卷积操作的同时，大幅度减少量化带来的精度损失。

技术领域

本发明涉及卷积神经网络技术领域，尤其涉及一种浮点数的乘法运算方法及计算机可读存储介质。

背景技术

卷积神经网络是当前计算机视觉领域的主流技术，可广泛应用于目标检测、识别、超分辨率、三维重建等领域。由于卷积神经网络模型通常具有参数量大、浮点运算量多等特点，当前的方法大多需要高性能的计算平台来实现卷积的并行操作。为此，研究人员已经逐渐开始关注卷积操作的加速，以及量化操作。例如，基于二值量化的卷积网络，或稀疏表示的网络等。然而二值量化方法精度损失较大，稀疏表示网络则难以并行处理，难以部署到类似手机等移动终端的应用。随着移动设备中图像与视频的推广普及，急需高性能、可部署在廉价计算平台的目标检测与识别方法，以满足不同应用场景的需求，但目前缺乏针对移动设备的特点给出的有效的卷积加速方案。

发明内容

本发明所要解决的技术问题是：提供一种浮点数的乘法运算方法及计算机可读存储介质，可提高卷积计算中的浮点乘法运算的速度。

为了解决上述技术问题，本发明采用的技术方案为：一种浮点数的乘法运算方法，包括：

建立第一量化查找表和第二量化查找表，所述第一量化查找表用于记录浮点数与其对应的整数集的关联关系，所述第二量化查找表用于记录整数与其对应的浮点数的关联关系；

获取待相乘的两个浮点数；

根据第一量化查找表，分别获取所述两个浮点数对应的整数集，得到第一整数集和第二整数集；

分别将第一整数集中的各整数与第二整数集中的各整数进行相加，得到第三整数集；

根据第二量化查找表，分别获取所述第三整数集中各整数对应的浮点数；

对所述各整数对应的浮点数进行相加，得到所述待相乘的两个浮点数的乘法运算结果。

本发明还涉及一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如下步骤：

建立第一量化查找表和第二量化查找表，所述第一量化查找表用于记录浮点数与其对应的整数集的关联关系，所述第二量化查找表用于记录整数与其对应的浮点数的关联关系；

获取待相乘的两个浮点数；

根据第一量化查找表，分别获取所述两个浮点数对应的整数集，得到第一整数集和第二整数集；

分别将第一整数集中的各整数与第二整数集中的各整数进行相加，得到第三整数集；

根据第二量化查找表，分别获取所述第三整数集中各整数对应的浮点数；

对所述各整数对应的浮点数进行相加，得到所述待相乘的两个浮点数的乘法运算结果。

本发明的有益效果在于：根据第一量化查找表，将待相乘的两个浮点数转化为对应的整数集，然后对整数集进行相加操作，接着根据第二量化查找表，将相加得到的整数转化为对应的浮点数，最后将这些浮点数进行相加，即可得到两个浮点数的乘法运算结果。本发明将浮点乘法的操作，通过指数量化的原则转化成指数加法操作，在加速卷积操作的同时，大幅度减少量化带来的精度损失。

附图说明