一种人工智能处理器的学习任务编译方法及相关产品.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 110889497 A (43)申请公布日 2020.03.17 (21)申请号 201911296834.0 G06N 3/08(2006.01) (22)申请日 2019.12.16 (66)本国优先权数据 201811640027.1 2018.12.29 CN 201811640762.2 2018.12.29 CN 201811639927.4 2018.12.29 CN (71)申请人 中科寒武纪科技股份有限公司 地址 100190 北京市海淀区科学院南路6号 科研综合楼644室 (72)发明人 不公告发明人　 (74)专利代理机构 北京华进京联知识产权代理 有限公司 11606 代理人 黄易 (51)Int.Cl. G06N 3/04(2006.01) 权利要求书2页 说明书21页 附图5页 (54)发明名称 一种人工智能处理器的学习任务编译方法 及相关产品 (57)摘要 本申请涉及一种人工智能处理器的学习任 务编译方法及相关产品，其中，人工智能处理器 的学习任务编译方法包括：首先通过将冗余神经 网络层的融合到卷积层中，进行卷积神经网络结 构的优化，之后再基于优化后的卷积神经网络对 人工智能处理器的学习任务进行编译。采用本方 法编译人工智能处理器的学习任务编译效率高， 且在设备上被执行时可以减少处理过程中的数 据交换。 A 7 9 4 9 8 8 0 1 1 N C CN 110889497 A 权　利　要　求　书 1/2页 1.一种人工智能处理器的学习任务编译方法，其特征在于，所述方法包括： 通用处理器获取配置参数，其中，所述配置参数包括Batch Norm层的第一训练参数和 第二训练参数； 所述通用处理器将所述Batch Norm层的第一训练参数与所述卷积神经网络的卷积层 的权值参数融合，得到第一融合结果； 所述通用处理器将所述Batch Norm层的第二训练参数与所述卷积神经网络的卷积层 的偏置参数融合，得到第二融合结果； 所述通用处理器根据所述第一融合结果以及所述第二融合结果，对所述卷积神经网络 进行优化，得到优化后的卷积神经网络； 对优化后的卷积神经网络进行编译，得到对应的二进制指令序列，以分配至人工智能 处理器上执行对应的学习任务。 2.根据权利要求1所述的方法，其特征在于，所述将所述Batch Norm层的第一训练参数 与卷积层的权值参数融合，得到第一融合结果，包括： 所述通用处理器将所述Batch Norm层的第一训练参数以及所述卷积层的权值参数进 行乘法运算，得到所述第一融合结果。 3.根据权利要求1所述的方法，其特征在于，所述将所述Batch Norm层的第二训练参数 与卷积层的偏置参数融合，得到第二融合结果，包括： 所述通用处理器将所述Batch Norm层的第二训练参数以及所述卷积层的偏置参数进 行加法运算，得到所述第二融合结果。 4.根据权利要求1所述的方法，其特征在于，所述根据所述第一融合结果以及所述第二 融合结果，对所述卷积神经网络进行优化，包括： 所述通用处理器删除所述Batch Norm层，并将所述卷积层的权值参数更改为所述第一 融合结果，将所述卷积层的偏置参数更改为所述第二融合结果。 5.根据权利要求1所述的方法，其特征在于，所述方法还包括：