[发明专利]数据处理方法及装置、电子设备、计算机可读存储介质

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

获取待处理数据；

利用卷积网络对所述待处理数据进行处理，得到处理结果；

其中，所述卷积网络中第i+1层卷积层的权重数据是根据第i层卷积层的权重数据与第i+1层卷积层在网络训练中得到的权重数据共同确定的，i为正整数。

2.根据权利要求1所述的数据处理方法，其特征在于，所述方法还包括：对所述卷积网络进行网络训练；

所述对所述卷积网络进行网络训练的步骤，包括：

在每一轮网络训练的前向传播过程中，利用所述卷积网络对输入的训练数据进行处理，确定网络损失；

在每一轮网络训练的反向传播过程中，基于网络损失，根据第i层卷积层的梯度更新第i层卷积层的权重数据，以对所述卷积网络进行训练。

3.根据权利要求2所述的数据处理方法，其特征在于，所述对所述卷积网络进行网络训练的步骤，还包括：在每一轮网络训练的前向传播之前，根据第i层卷积层的权重数据更新第i+1层卷积层的权重数据；

所述在每一轮网络训练的反向传播过程中，基于网络损失，根据第i层卷积层的梯度更新第i层卷积层的权重数据的步骤，包括：

当第i层卷积层为所述卷积网络中最后一层卷积层时，在每一轮网络训练的反向传播过程中，基于网络损失进行梯度计算，并根据第i层卷积层的梯度更新第i层卷积层的权重数据；

当第i层卷积层不是所述卷积网络中最后一层卷积层时，在每一轮网络训练的反向传播过程中，基于网络损失进行梯度计算，并根据第i层卷积层的梯度以及所述反向传播过程中更新后的第i+1层卷积层的权重数据更新所述第i层卷积层的权重数据。

4.根据权利要求3所述的数据处理方法，其特征在于，所述在每一轮网络训练的前向传播之前，根据第i层卷积层的权重数据更新第i+1层卷积层的权重数据的步骤，包括：

在每一轮网络训练的前向传播之前，将第i层卷积层的权重数据进行线性变换处理，得到目标权重数据；

基于所述目标权重数据和所述第i+1层卷积层当前的权重数据，更新所述第i+1层卷积层当前的权重数据。

5.根据权利要求3所述的数据处理方法，其特征在于，所述在每一轮网络训练的反向传播过程中，基于网络损失进行梯度计算，并根据第i层卷积层的梯度以及所述反向传播过程中更新后的第i+1层卷积层的权重数据，更新所述第i层卷积层的权重数据的步骤，包括：

在每一轮网络训练的反向传播过程中，根据所述反向传播过程中更新后的第i+1层卷积层的权重数据，确定目标权重数据；

根据所述目标权重数据，确定所述第i层卷积层当前的权重数据；

基于网络损失进行梯度计算，并根据所述第i层卷积层的梯度更新所述第i层卷积层当前的权重数据。

6.根据权利要求2所述的数据处理方法，其特征在于，所述对所述卷积网络进行网络训练的步骤，还包括：

响应于所述卷积网络的损失函数收敛，对所述卷积网络中各卷积层当前的权重数据进行重参数化，以得到训练后的所述卷积网络。

7.根据权利要求1-6中任一项所述的数据处理方法，其特征在于，所述待处理数据包括图像、语音、文本、视频中的任意一种。

8.一种数据处理装置，其特征在于，所述装置包括：

获取模块，用于获取待处理数据；

处理模块，用于利用卷积网络对所述待处理数据进行处理，得到处理结果；

其中，所述卷积网络中第i+1层卷积层的权重数据是根据第i层卷积层的权重数据与所述第i+1层卷积层在网络训练中得到的权重数据共同确定的，i为正整数。