[发明专利]深度学习网络模型优化方法、装置及相关设备有效
| 申请号： | 201811616147.8 | 申请日： | 2018-12-27 |
| 公开（公告）号： | CN109740733B | 公开（公告）日： | 2021-07-06 |
| 发明（设计）人： | 王成波 | 申请（专利权）人： | 深圳云天励飞技术有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 深圳市赛恩倍吉知识产权代理有限公司 44334 | 代理人： | 杨毅玲 |
| 地址： | 518000 广东省深圳市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种深度学习网络模型优化方法，所述方法包括：获取深度学习网络模型的卷积层的输入数据，所述输入数据具有宽度、高度、通道数三个维度；根据所述卷积层的卷积核的大小确定每个向量计算周期所述输入数据的加载次数；在所述输入数据的通道维度上按照所述加载次数和预定的向量位宽加载所述输入数据预定区域的数据点，得到所述预定区域的向量数据；将所述预定区域的向量数据与所述卷积核对应相乘并累加，得到所述预定区域的向量输出。本发明还提供一种深度学习网络模型优化装置、计算机装置及可读存储介质。本发明可以提高深度学习网络模型的卷积层的执行效率，加速卷积层的计算速率，从而提升整个深度学习网络模型的执行效率。 | ||
| 搜索关键词： | 深度 学习 网络 模型 优化 方法 装置 相关 设备 | ||
【主权项】：
1.一种深度学习网络模型优化方法，其特征在于，所述方法包括：获取深度学习网络模型的卷积层的输入数据，所述输入数据具有宽度、高度、通道数三个维度；根据所述卷积层的卷积核的大小确定每个向量计算周期所述输入数据的加载次数；在所述输入数据的通道维度上按照所述加载次数和预定的向量位宽加载所述输入数据预定区域的数据点，得到所述预定区域的向量数据；将所述预定区域的向量数据与所述卷积核对应相乘并累加，得到所述预定区域的向量输出。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳云天励飞技术有限公司，未经深圳云天励飞技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811616147.8/，转载请声明来源钻瓜专利网。
