[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

说明书

本公开提供了一种数据处理方法及装置、电子设备、计算机可读介质，该方法包括：获取待处理数据；利用卷积网络对待处理数据进行处理，得到处理结果；其中，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。根据本公开的实施例能够有效减少梯度消失、梯度爆炸等情况的发生，有利于卷积网络收敛到较佳的状态，有效提升卷积网络的网络性能，提高卷积网络的运行效果，提高对待处理数据的数据处理效果。

技术领域

本公开涉及计算机技术领域，特别涉及一种数据处理方法及装置、电子设备、计算机可读存储介质。

背景技术

在深度学习网络中，在网络优化的过程中，容易出现梯度消失或者梯度爆炸等现象，导致网络运行效果不佳，影响了网络对数据(如图像、视频等)的处理效果。

发明内容

本公开提供一种数据处理方法及装置、电子设备、计算机可读存储介质。

第一方面，本公开提供了一种数据处理方法，该数据处理方法包括：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。

第二方面，本公开提供了一种数据处理装置，该数据处理装置包括：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。

第三方面，本公开提供了一种电子设备，该电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序，一个或多个所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的数据处理方法。

第四方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序在被处理器执行时实现上述的数据处理方法。

根据本公开所提供的数据处理方法及装置、电子设备、计算机可读存储介质的技术方案，应用于卷积网络，对于该卷积网络中任意相邻两层卷积层，后一层卷积层的权重数据是根据前一层卷积层的权重数据与后一层卷积层在网络训练中得到的权重数据共同确定的，在每一轮网络训练过程中，在前向传播之前，后一层卷积层在当前轮网络训练中的权重数据是根据前一层卷积层在当前轮网络训练中的权重数据与后一层卷积层在上一轮网络训练中得到的权重数据共同确定的，使得在反向传播时所有卷积层的权重数据可以在整个网络内流动，后一层卷积层的权重数据的更新可以影响前一层卷积层的权重数据的更新，每层卷积层的权重数据可以获得更充分的监督和学习，从而可以有效减少梯度消失、梯度爆炸等情况的发生，有利于卷积网络收敛到较佳的状态，有效提升了卷积网络的网络性能，提高了卷积网络的运行效果，提高了对待处理数据的数据处理效果。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用来提供对本公开的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述，以上和其他特征和优点对本领域技术人员将变得更加显而易见，在附图中：

图1为相关技术中一种卷积网络的残差块的网络结构示意图；

图2为本公开实施例提供的一种数据处理方法的流程示意图；

图3为本公开实施例提供的另一种数据处理方法的流程示意图；