CN109165723A - 用于处理数据的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于处理数据的方法和装置。该方法的一具体实施方式包括：从预设的卷积神经网络中选择目标层；对目标层包括的通道进行分组，得到至少一个通道组，其中，通道组包括的通道的数量小于等于预设数量；从至少一个通道组中选择目标通道组；从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中。该实施方式提高了提取卷积神经网络中的数据的效率。

Description

用于处理数据的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于处理数据的方法和装置。

背景技术

随着计算机技术的发展，在很多领域需要处理大规模的数据。例如在图像处理、语音识别等领域，通常会用到卷积神经网络来对大量的数据进行运算，在对卷积神经网络中的数据进行运算时，需要将数据提取出来并存入缓存中。

发明内容

本申请实施例提出了用于处理数据的方法和装置。

第一方面，本申请实施例提供了一种用于处理数据的方法，该方法包括：从预设的卷积神经网络中选择目标层；对目标层包括的通道进行分组，得到至少一个通道组，其中，通道组包括的通道的数量小于等于预设数量；从至少一个通道组中选择目标通道组；从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中。

在一些实施例中，预设数量预先通过如下步骤确定：确定目标缓存的缓存线的存储空间大小；将存储空间大小除以卷积神经网络中的单个数据占用的存储空间大小，将所得到的结果确定为预设数量。

在一些实施例中，对目标层包括的通道进行分组，得到至少一个通道组，包括：将目标层包括的通道确定为未分组通道，基于未分组通道执行如下分组步骤：确定未分组通道的数量是否小于等于预设数量；响应于确定小于等于，将未分组通道确定为一个通道组；响应于确定大于，按照通道的排列顺序，确定预设数量个通道作为一个通道组；从目标层包括的通道中，重新确定未分组通道，以及基于重新确定的未分组通道继续执行分组步骤。

在一些实施例中，目标通道组包括的通道中的数据具有对应的位置编号；以及从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中，包括：从各个位置编号中选择位置编号作为目标位置编号，基于目标位置编号执行如下提取步骤：对于目标通道组包括的通道，从该通道中提取目标位置编号对应的数据，将所提取的数据存入目标缓存中的、与目标位置编号对应的缓存线中；确定各个位置编号中是否存在未被选择的位置编号；响应于确定存在，从未被选择的位置编号中重新选择位置编号作为目标位置编号，基于重新选择的目标位置编号，继续执行提取步骤。

在一些实施例中，从各个位置编号中选择位置编号作为目标位置编号，包括：基于位置编号的排列顺序，从各个位置编号中选择位置编号作为目标位置编号。

在一些实施例中，从未被选择的位置编号中重新选择位置编号作为目标位置编号，包括：基于位置编号的排列顺序，从未被选择的位置编号中重新选择位置编号作为目标位置编号。

第二方面，本申请实施例提供了一种用于处理数据的装置，该装置包括：第一选择单元，被配置成从预设的卷积神经网络中选择目标层；分组单元，被配置成对目标层包括的通道进行分组，得到至少一个通道组，其中，通道组包括的通道的数量小于等于预设数量；第二选择单元，被配置成从至少一个通道组中选择目标通道组；提取单元，被配置成从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中。

在一些实施例中，预设数量预先通过如下步骤确定：确定目标缓存的缓存线的存储空间大小；将存储空间大小除以卷积神经网络中的单个数据占用的存储空间大小，将所得到的结果确定为预设数量。

在一些实施例中，分组单元包括：分组模块，被配置成将目标层包括的通道确定为未分组通道，基于未分组通道执行如下分组步骤：确定未分组通道的数量是否小于等于预设数量；响应于确定小于等于，将未分组通道确定为一个通道组；确定模块，被配置成响应于确定大于，按照通道的排列顺序，确定预设数量个通道作为一个通道组；从目标层包括的通道中，重新确定未分组通道，以及基于重新确定的未分组通道继续执行分组步骤。

在一些实施例中，目标通道组包括的通道中的数据具有对应的位置编号；以及提取单元包括：提取模块，被配置成从各个位置编号中选择位置编号作为目标位置编号，基于目标位置编号执行如下提取步骤：对于目标通道组包括的通道，从该通道中提取目标位置编号对应的数据，将所提取的数据存入目标缓存中的、与目标位置编号对应的缓存线中；确定各个位置编号中是否存在未被选择的位置编号；选择模块，被配置成响应于确定存在，从未被选择的位置编号中重新选择位置编号作为目标位置编号，基于重新选择的目标位置编号，继续执行提取步骤。

在一些实施例中，提取模块进一步被配置成：基于位置编号的排列顺序，从各个位置编号中选择位置编号作为目标位置编号。

在一些实施例中，选择模块进一步被配置成：基于位置编号的排列顺序，从未被选择的位置编号中重新选择位置编号作为目标位置编号。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于处理数据的方法和装置，通过从预设的卷积神经网络中选择目标层，再对目标层包括的通道进行分组，得到至少一个通道组，然后从至少一个通道组选择目标通道组，最后从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中，从而提高了提取卷积神经网络中的数据的效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请实施例的用于处理数据的方法的一个实施例的流程图；

图3是根据本申请实施例的用于处理数据的方法的一个应用场景的示意图；

图4是根据本申请实施例的用于处理数据的方法的又一个实施例的流程图；

图5是根据本申请实施例的用于处理数据的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请实施例的用于处理数据的方法或用于处理数据的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如数据处理类应用、图像处理类应用、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是支持数据处理的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的数据提供支持的后台数据处理服务器。后台数据处理服务器可以对获取的数据进行处理，并将处理结果(例如从卷积神经网络包括的目标通道组中提取的数据)存入目标缓存中。

需要说明的是，本申请实施例所提供的用于处理数据的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，用于处理数据的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在处理的数据不需要从远程获取的情况下，上述系统架构可以不包括网络，而只需终端设备或服务器。

继续参考图2，示出了根据本申请的用于处理数据的方法的一个实施例的流程200。该用于处理数据的方法，包括以下步骤：

步骤201，从预设的卷积神经网络中选择目标层。

在本实施例中，用于处理数据的方法的执行主体(例如图1所示的服务器或终端设备)可以从预设的卷积神经网络中选择目标层。其中，卷积神经网络可以是技术人员预先设置在上述执行主体中的，也可以是上述执行主体从与其通信连接的其他电子设备获得的。通常，卷积神经网络可以包括多个层，例如卷积层、池化层等，其中，卷积层和池化层的数量可以是至少一个。目标层可以是卷积神经网络中的、包括多个通道的层。例如，某卷积层包括N(N为正整数)个通道，其中的每个通道可以是包括等量的数据的矩阵。上述执行主体可以按照各种方法从卷积神经网络中选择目标层，例如，可以按照各个层在卷积神经网络中的排列顺序，选择至少一层作为目标层；或者，可以按照技术人员的指定(例如按照技术人员指定的层的编号)，从各层中选择至少一层作为目标层。

步骤202，对目标层包括的通道进行分组，得到至少一个通道组。

在本实施例中，基于步骤201中选择的目标层，上述执行主体可以对目标层包括的通道进行分组，得到至少一个通道组。其中，通道组包括的通道的数量小于等于预设数量。通常，目标层可以包括多个通道，每个通道中的数据可以是表征某种特征(例如图像的颜色特征、形状特征等)的特征数据。上述预设数量可以是技术人员预先设置的数量。

在本实施例中，上述执行主体可以按照各种方式对目标层包括的通道进行分组。例如，上述执行主体可以按照预设的通道组数量，将目标层包括的各个通道平均分成上述通道组数量个通道组；或者，上述执行主体可以按照预设的每个通道组包括的通道的数量，将目标层包括的各个通道分成至少一个通道组。

在本实施例的一些可选的实现方式中，预设数量可以由上述执行主体或其他电子设备预先通过如下步骤确定：

首先，确定目标缓存的缓存线的存储空间大小。其中，目标缓存可以是上述电子设备的CPU(Central Processing Unit，中央处理器)的缓存，或与上述电子设备通信连接的其他电子设备的CPU的缓存。缓存线(Cache Line)是CPU的缓存的最小缓存单位，即CPU每次从内存中读取的数据需要占据至少一个缓存线。作为示例，假设缓存线的存储空间大小为64字节，如果目标缓存的存储空间大小为512字节，那么目标缓存的缓存线的个数是512/64＝8个，CPU每次从内存中读取的数据，要占据其中至少一个缓存线。

然后，将所确定的存储空间大小除以卷积神经网络中的单个数据占用的存储空间大小，将所得到的结果确定为预设数量。作为示例，假设缓存线的存储空间大小为64字节，假设卷积神经网络中的单个数据占用的存储空间大小为1字节，则预设数量为64/1＝64；假设卷积神经网络中的单个数据占用的存储空间大小为4字节，则预设数量为64/4＝16。将数据从内存加载到缓存所消耗的时间，是影响CPU进行数据处理的速度的重要因素，而将每次提取的数据所占据的存储空间设置为与缓存线的存储空间大小相同，可以充分利用缓存线的存储空间，减少数据加载进缓存的次数，从而可以提高CPU处理数据的效率。

在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤对目标层包括的通道进行分组，得到至少一个通道组：

首先，将目标层包括的通道确定为未分组通道，基于未分组通道执行如下分组步骤：确定未分组通道的数量是否小于等于预设数量；响应于确定小于等于，将未分组通道确定为一个通道组。

然后，响应于确定未分组通道的数量大于预设数量，按照通道的排列顺序，确定预设数量个通道作为一个通道组；从目标层包括的通道中，重新确定未分组通道，以及基于重新确定的未分组通道继续执行分组步骤。需要说明的是，上述执行主体可以按照通道的排列顺序，以正序或倒序的顺序确定预设数量个通道作为一个通道组。

作为示例，假设目标层包括40个通道，预设数量为16，则可以将目标层分成三个通道组，分别包括的通道数量为16、16、8。

步骤203，从至少一个通道组中选择目标通道组。

在本实施例中，上述执行主体可以从至少一个通道组选择目标通道组。具体地，上述执行主体可以按照各种方式选择目标通道组，例如随机选择，或者按照各个通道组的排列顺序选择目标通道组。

步骤204，从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中。

在本实施例中，上述执行主体可以从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中。其中，目标缓存可以是上述电子设备的CPU的缓存，或与上述电子设备通信连接的其他电子设备的CPU的缓存。具体地，上述执行主体可以按照各种方式从目标通道组包括的通道中分别提取数据。例如，对于目标通道组包括的各个通道中的每个通道，上述执行主体可以从该通道中提取至少一个数据，将提取的数据存入目标缓存中。

通常，所提取的数据可以一次性地存入目标缓存中，CPU可以对目标缓存中的数据进行处理，从而可以提高向目标缓存载入数据的效率，有助于缩短数据处理的时间。

继续参见图3，图3是根据本实施例的用于处理数据的方法的应用场景的一个示意图。在图3的应用场景中，终端设备301首先从预设的卷积神经网络302中选择某个卷积层作为目标层303。其中，目标层303包括40个通道。然后，终端设备301对目标层包括的通道进行分组，得到三个通道组，分别为3031、3032、3033。其中，通道组3031和3032分别包括16(即预设数量)个通道，通道组3033包括8个通道。再然后，终端设备301从三个通道组中选择通道3031作为目标通道组。最后，从目标通道组包括的每个通道中分别提取数据，并将所提取的数据存入目标缓存304中。

本申请的上述实施例提供的方法，通过从预设的卷积神经网络中选择目标层，再对目标层包括的通道进行分组，得到至少一个通道组，然后从至少一个通道组选择目标通道组，最后从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中，从而提高了提取卷积神经网络中的数据的效率。

进一步参考图4，其示出了用于处理数据的方法的又一个实施例的流程400。该用于处理数据的方法的流程400，包括以下步骤：

步骤401，从预设的卷积神经网络中选择目标层。

在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。

步骤402，对目标层包括的通道进行分组，得到至少一个通道组，其中，通道组包括的通道的数量小于等于预设数量。

在本实施例中，步骤402与图2对应实施例中的步骤200基本一致，这里不再赘述。

步骤403，从至少一个通道组中选择目标通道组。

在本实施例中，用于处理数据的方法的执行主体(例如图1所示的服务器或终端设备)可以按照与图2对应实施例中的步骤203中描述的方法，从至少一个通道组中选择目标通道组。其中，本实施例中的目标通道组包括的通道中的数据可以具有对应的位置编号。位置编号可以是技术人员预先设置的，也可以是上述执行主体根据数据的存储顺序自动分配的。

步骤404，从目标通道组包括的通道中的数据对应的位置编号中选择位置编号作为目标位置编号。

在本实施例中，上述执行主体可以按照各种方式从各个位置编号中选择位置编号作为目标位置编号。作为示例，上述执行主体可以按照随机选择的方式从各个位置编号中选择位置编号作为目标位置编号。

在本实施例的一些可选的实现方式中，上述执行主体可以基于位置编号的排列顺序，从各个位置编号中选择位置编号作为目标位置编号。例如，假设位置编号为数字编号，上述执行主体可以选择最小的数字编号作为目标位置编号。

步骤405，基于目标位置编号执行如下提取步骤：对于目标通道组包括的通道，从该通道中提取目标位置编号对应的数据，将所提取的数据存入目标缓存中的、与目标位置编号对应的缓存线中。

在本实施例中，对于目标通道组包括的通道，上述执行主体可以从该通道中提取目标位置编号对应的数据，以及将所提取的数据存入目标缓存中的、与目标位置编号对应的缓存线中。其中，目标位置编号与缓存线的对应关系可以是预先建立的，也可以是由上述执行主体自动分配的。例如，假设目标通道组包括16个通道，每个通道包括4个数据，每个通道包括的数据的位置编号分别为“1”、“2”、“3”、“4”，目标缓存包括8个缓存线，分别为“A”、“B”、“C”…、“H”，其中的每个缓存线可以存储16个数据，如果目标位置编号为“1”，则8个缓存线均配置为可以存储数据，则每个通道包括的、位置编号为“1”的数据可以按通道的排列顺序存储在缓存线“A”(即与目标位置编号“1”对应的缓存线)中。当再次执行本步骤时，目标位置编号变为“2”，与目标位置编号“2”对应的缓存线可以为缓存线“B”。

步骤406，确定各个位置编号中是否存在未被选择的位置编号。

在本实施例中，上述执行主体可以确定目标通道组包括的通道中的数据对应的位置编号中是否存在未被选择的位置编号。作为示例，每次选择的目标位置编号可以标记为已被选择的位置编号，则未被标记为已被选择的位置编号可以作为未被选择的位置编号。

步骤407，响应于确定存在，从未被选择的位置编号中重新选择位置编号作为目标位置编号，基于重新选择的目标位置编号，继续执行提取步骤。

在本实施例中，上述执行主体可以首先按照各种方式从未被选择的位置编号中重新选择位置编号作为目标位置编号。作为示例，上述执行主体可以按照随机选择的方式从未被选择的位置编号中重新选择位置编号作为目标位置编号。然后，基于重新选择的目标位置编号，继续执行步骤405-步骤406。

在本实施例的一些可选的实现方式中，上述执行主体可以按照如下步骤，从未被选择的位置编号中重新选择位置编号作为目标位置编号：

基于位置编号的排列顺序，从未被选择的位置编号中重新选择位置编号作为目标位置编号。例如，假设位置编号为数字编号，上述执行主体可以从未被选择的位置编号中，选择最小的数字编号作为目标位置编号。通过执行本实现方式，可以将目标缓存中存储的数据按照位置编号的顺序排列，有助于使卷积神经网络在进行数据运算时按照顺序进行运算，从而可以提高数据处理的效率。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于处理数据的方法的流程400突出了基于位置编号从目标通道组中提取数据的步骤。由此，本实施例描述的方案可以实现将提取的数据按照特定的顺序存储到目标缓存中，使目标缓存中的数据按照特定的顺序排列，有助于进一步提高数据处理的效率。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于处理数据的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于处理数据的装置500包括：第一选择单元501，被配置成从预设的卷积神经网络中选择目标层；分组单元502，被配置成对目标层包括的通道进行分组，得到至少一个通道组，其中，通道组包括的通道的数量小于等于预设数量；第二选择单元503，被配置成从至少一个通道组中选择目标通道组；提取单元504，被配置成从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中。

在本实施例中，第一选择单元501可以从预设的卷积神经网络中选择目标层。其中，卷积神经网络可以是技术人员预先设置在上述装置500中的，也可以是上述装置500从与其通信连接的其他电子设备获得的。通常，卷积神经网络可以包括多个层，例如卷积层、池化层等，其中，卷积层和池化层的数量可以是至少一个。目标层可以是卷积神经网络中的、包括多个通道的层。上述第一选择单元501可以按照各种方法从卷积神经网络中选择目标层，例如，可以按照各个层在卷积神经网络中的排列顺序，选择至少一层作为目标层；或者，可以按照技术人员的指定(例如按照技术人员指定的层的编号)，从各层中选择至少一层作为目标层。

在本实施例中，分组单元502可以对目标层包括的通道进行分组，得到至少一个通道组。其中，通道组包括的通道的数量小于等于预设数量。通常，目标层可以包括多个通道，每个通道中的数据可以是表征某种特征(例如图像的颜色特征、形状特征等)的特征数据。上述预设数量可以是技术人员预先设置的数量。

在本实施例中，分组单元502可以按照各种方式对目标层包括的通道进行分组。例如，分组单元502可以按照预设的通道组数量，将目标层包括的各个通道平均分成上述通道组数量个通道组；或者，分组单元502可以按照预设的每个通道组包括的通道的数量，将目标层包括的各个通道分成至少一个通道组。

在本实施例中，第二选择单元503可以从至少一个通道组选择目标通道组。具体地，第二选择单元503可以按照各种方式选择目标通道组，例如随机选择，或者按照各个通道组的排列顺序选择目标通道组。

在本实施例中，提取单元504可以从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中。具体地，提取单元504可以按照各种方式从目标通道组包括的通道中分别提取数据。例如，对于目标通道组包括的各个通道中的每个通道，提取单元504可以从该通道中提取至少一个数据，将提取的数据存入目标缓存中。

在本实施例的一些可选的实现方式中，预设数量可以预先通过如下步骤确定：确定目标缓存的缓存线的存储空间大小；将存储空间大小除以卷积神经网络中的单个数据占用的存储空间大小，将所得到的结果确定为预设数量。

在本实施例的一些可选的实现方式中，分组单元502可以包括：分组模块(图中未示出)，被配置成将目标层包括的通道确定为未分组通道，基于未分组通道执行如下分组步骤：确定未分组通道的数量是否小于等于预设数量；响应于确定小于等于，将未分组通道确定为一个通道组；确定模块(图中未示出)，被配置成响应于确定大于，按照通道的排列顺序，确定预设数量个通道作为一个通道组；从目标层包括的通道中，重新确定未分组通道，以及基于重新确定的未分组通道继续执行分组步骤。

在本实施例的一些可选的实现方式中，目标通道组包括的通道中的数据具有对应的位置编号；以及提取单元504包括：提取模块(图中未示出)，被配置成从各个位置编号中选择位置编号作为目标位置编号，基于目标位置编号执行如下提取步骤：对于目标通道组包括的通道，从该通道中提取目标位置编号对应的数据，将所提取的数据存入目标缓存中的、与目标位置编号对应的缓存线中；确定各个位置编号中是否存在未被选择的位置编号；选择模块(图中未示出)，被配置成响应于确定存在，从未被选择的位置编号中重新选择位置编号作为目标位置编号，基于重新选择的目标位置编号，继续执行提取步骤。

在本实施例的一些可选的实现方式中，提取模块进一步被配置成：基于位置编号的排列顺序，从各个位置编号中选择位置编号作为目标位置编号。

在本实施例的一些可选的实现方式中，选择模块进一步被配置成：基于位置编号的排列顺序，从未被选择的位置编号中重新选择位置编号作为目标位置编号。

本申请的上述实施例提供的装置，通过从预设的卷积神经网络中选择目标层，再对目标层包括的通道进行分组，得到至少一个通道组，然后从至少一个通道组选择目标通道组，最后从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中，从而提高了提取卷积神经网络中的数据的效率。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器或终端设备)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一选择单元、分组单元、第二选择单元和提取单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一选择单元还可以被描述为“从预设的卷积神经网络中选择目标层的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：从预设的卷积神经网络中选择目标层；对目标层包括的通道进行分组，得到至少一个通道组，其中，通道组包括的通道的数量小于等于预设数量；从至少一个通道组中选择目标通道组；从目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种用于处理数据的方法，包括：

从预设的卷积神经网络中选择目标层；

对所述目标层包括的通道进行分组，得到至少一个通道组，其中，通道组包括的通道的数量小于等于预设数量；

从所述至少一个通道组中选择目标通道组；

从所述目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中。

2.根据权利要求1所述的方法，其中，所述预设数量预先通过如下步骤确定：

确定目标缓存的缓存线的存储空间大小；

将所述存储空间大小除以所述卷积神经网络中的单个数据占用的存储空间大小，将所得到的结果确定为预设数量。

3.根据权利要求1所述的方法，其中，所述对所述目标层包括的通道进行分组，得到至少一个通道组，包括：

将所述目标层包括的通道确定为未分组通道，基于未分组通道执行如下分组步骤：确定未分组通道的数量是否小于等于预设数量；响应于确定小于等于，将未分组通道确定为一个通道组；

响应于确定大于，按照通道的排列顺序，确定预设数量个通道作为一个通道组；从所述目标层包括的通道中，重新确定未分组通道，以及基于重新确定的未分组通道继续执行所述分组步骤。

4.根据权利要求1-3之一所述的方法，其中，所述目标通道组包括的通道中的数据具有对应的位置编号；以及

所述从所述目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中，包括：

从各个位置编号中选择位置编号作为目标位置编号，基于目标位置编号执行如下提取步骤：对于所述目标通道组包括的通道，从该通道中提取目标位置编号对应的数据，将所提取的数据存入目标缓存中的、与目标位置编号对应的缓存线中；确定各个位置编号中是否存在未被选择的位置编号；

响应于确定存在，从未被选择的位置编号中重新选择位置编号作为目标位置编号，基于重新选择的目标位置编号，继续执行所述提取步骤。

5.根据权利要求4所述的方法，其中，所述从各个位置编号中选择位置编号作为目标位置编号，包括：

基于位置编号的排列顺序，从各个位置编号中选择位置编号作为目标位置编号。

6.根据权利要求5所述的方法，其中，所述从未被选择的位置编号中重新选择位置编号作为目标位置编号，包括：

基于位置编号的排列顺序，从未被选择的位置编号中重新选择位置编号作为目标位置编号。

7.一种用于处理数据的装置，包括：

第一选择单元，被配置成从预设的卷积神经网络中选择目标层；

分组单元，被配置成对所述目标层包括的通道进行分组，得到至少一个通道组，其中，通道组包括的通道的数量小于等于预设数量；

第二选择单元，被配置成从所述至少一个通道组中选择目标通道组；

提取单元，被配置成从所述目标通道组包括的通道中分别提取数据，以及将所提取的数据存入目标缓存中。

8.根据权利要求7所述的装置，其中，所述预设数量预先通过如下步骤确定：

确定目标缓存的缓存线的存储空间大小；

将所述存储空间大小除以所述卷积神经网络中的单个数据占用的存储空间大小，将所得到的结果确定为预设数量。

9.根据权利要求7所述的装置，其中，所述分组单元包括：

分组模块，被配置成将所述目标层包括的通道确定为未分组通道，基于未分组通道执行如下分组步骤：确定未分组通道的数量是否小于等于预设数量；响应于确定小于等于，将未分组通道确定为一个通道组；

确定模块，被配置成响应于确定大于，按照通道的排列顺序，确定预设数量个通道作为一个通道组；从所述目标层包括的通道中，重新确定未分组通道，以及基于重新确定的未分组通道继续执行所述分组步骤。

10.根据权利要求7-9之一所述的装置，其中，所述目标通道组包括的通道中的数据具有对应的位置编号；以及

所述提取单元包括：

提取模块，被配置成从各个位置编号中选择位置编号作为目标位置编号，基于目标位置编号执行如下提取步骤：对于所述目标通道组包括的通道，从该通道中提取目标位置编号对应的数据，将所提取的数据存入目标缓存中的、与目标位置编号对应的缓存线中；确定各个位置编号中是否存在未被选择的位置编号；

选择模块，被配置成响应于确定存在，从未被选择的位置编号中重新选择位置编号作为目标位置编号，基于重新选择的目标位置编号，继续执行所述提取步骤。

11.根据权利要求10所述的装置，其中，所述提取模块进一步被配置成：

基于位置编号的排列顺序，从各个位置编号中选择位置编号作为目标位置编号。

12.根据权利要求11所述的装置，其中，所述选择模块进一步被配置成：

基于位置编号的排列顺序，从未被选择的位置编号中重新选择位置编号作为目标位置编号。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。