龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明的实施例提供了一种神经网络模型的编译方法、装置、存储介质及电子设备，涉及深度学习领域。该方法包括：获取神经网络模型中每个卷积层的原始特征图参数；根据输入输出参数关系式、存储器容量对原始特征图参数进行拆分，得到每个卷积层的可行特征图参数集合；从每个卷积层的可行特征图参数集合中为每个卷积层确定出一个对应的数据搬运效率最高的目标特征图参数；根据每个卷积层对应的目标特征图参数为神经网络模型生成可执行文件。通过为每个卷积层找到一个对应的数据搬运效率最高的参数，提高神经网络模型整体的数据复用率，减少运行时的运算量，能够减少神经网络模型对应的可执行文件在运行时的运算量，提高其运行效率。
主权项：1.一种神经网络模型的编译方法，其特征在于，所述方法包括：获取神经网络模型中每个卷积层的原始特征图参数；所述原始特征图参数包括原始输出特征图参数；根据输入输出参数关系式、存储器容量对所述原始特征图参数进行拆分，得到每个卷积层的可行特征图参数集合，包括：根据输入输出参数关系式、存储器容量对所述原始输出特征图参数进行拆分，得到每个卷积层的可行输出特征图参数集合；根据每个卷积层的可行输出特征图参数集合以及所述输入输出参数关系式，确定出每个卷积层的可行输入特征图参数集合；分别将每个卷积层的可行输出特征图参数集合以及所述可行输入特征图参数集合进行合并，确定出每个卷积层的可行特征图参数集合；从每个卷积层的可行特征图参数集合中为每个卷积层确定出一个对应的目标特征图参数；所述目标特征图参数对应的数据搬运效率最高；根据每个卷积层对应的目标特征图参数为所述神经网络模型生成可执行文件。
全文数据：
权利要求：
百度查询： 湖南国科微电子股份有限公司 神经网络模型的编译方法、装置、存储介质及电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号