[发明专利]神经网络模型运行方法、介质和电子设备

权利要求书

1.一种神经网络模型运行方法，应用于电子设备，其特征在于，所述神经网络模型包括第一运算和第二运算；

并且所述方法包括：

获取所述第一运算或所述第二运算的待运算数据矩阵，其中，所述第一运算和所述第二运算中的运算因子的数量相同，并且对于第一运算中的各运算因子，在第二运算中存在待运算数据矩阵相同而运算系数矩阵不同的对应运算因子；

对所述待运算数据矩阵进行第三运算，生成第三运算的结果矩阵，其中，所述第三运算为将所述第一运算和所述第二运算中相对应的运算因子的运算系数矩阵进行合并之后得到的运算方式；

对所述第三运算的结果矩阵进行拆分，分别得到第一运算的结果矩阵和第二运算的结果矩阵。

2.根据权利要求1所述的方法，其特征在于，所述第一运算与所述第二运算的运算系数矩阵包括高度、宽度这两个数据维度，其中，第一运算与所述第二运算中相对应的运算因子的运算系数矩阵的高度、宽度对应相等；

所述第三运算为第一运算与所述第二运算中相对应的运算因子的运算系数矩阵沿任一数据维度方向进行合并之后得到的运算方式。

3.根据权利要求2所述的方法，其特征在于，所述第三运算为第一运算与所述第二运算中对应的运算因子的运算系数矩阵沿宽度方向进行合并之后得到的运算方式。

4.根据权利要求1所述的方法，其特征在于，所述对所述第三运算的结果矩阵进行拆分，分别得到第一运算的结果矩阵和第二运算的结果矩阵包括：

所述第三运算的结果矩阵包括高度、宽度这两个数据维度；

对所述第三运算的结果矩阵沿任一数据维度方向进行拆分，分别得到第一运算的结果矩阵和第二运算的结果矩阵。

5.根据权利要求4所述的方法，其特征在于，对所述第三运算的结果矩阵于沿宽度方向进行拆分，分别得到第一运算的结果矩阵和第二运算的结果矩阵。

6.根据权利要求1所述的方法，其特征在于，所述第三运算为将所述第一运算和所述第二运算中相对应的运算因子的运算系数矩阵进行合并之后得到的运算方式包括：

所述待运算数据矩阵包括第一输入数据矩阵、第二输入数据矩阵，所述第一运算和所述第二运算的运算因子包括所述第一运算和所述第二运算的第一输入数据矩阵与对应的运算系数矩阵的矩阵乘积、所述第一运算和第二运算的第二输入数据矩阵与对应的运算系数矩阵的矩阵乘积；

所述第三运算为所述第一运算与所述第二运算的第一输入数据矩阵相对应的运算系数矩阵进行合并，并且所述第一运算与所述第二运算的第二输入数据矩阵相对应的运算系数矩阵进行合并之后得到的运算方式。

7.根据权利要求1所述的方法，其特征在于，所述神经网络模型为循环神经网络模型，所述第一运算、第二运算为所述循环神经网络模型的全连接层的运算。

8.根据权利要求7所述的方法，其特征在于，所述神经网络模型包括以下至少一个：门限循环单元模型、长短期记忆模型。

9.一种电子设备，其特征在于，所述电子设备包括运算单元、存储单元，其中，所述运算单元运行第一矩阵运算电路；

所述运算单元从所述存储单元获取所述第一运算或所述第二运算的待运算数据矩阵，其中，所述第一运算和所述第二运算中的运算因子的数量相同，并且对于第一运算中的各运算因子，在第二运算中存在待运算数据矩阵相同而运算系数矩阵不同的对应运算因子；

所述运算单元通过运行第一矩阵运算电路，对所述待运算数据矩阵进行第三运算，生成第三运算的结果矩阵，其中，所述第三运算为将所述第一运算和所述第二运算中相对应的运算因子的运算系数矩阵进行合并之后得到的运算方式，所述第一矩阵运算电路用于生成所述第一运算结果矩阵和所述第二运算结果矩阵；

所述运算单元对所述第三运算的结果矩阵进行拆分，分别得到第一运算的结果矩阵和第二运算的结果矩阵。