CN111597029B - 数据处理方法及装置、电子设备和存储介质 - Google Patents

数据处理方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111597029B
CN111597029B CN202010430408.8A CN202010430408A CN111597029B CN 111597029 B CN111597029 B CN 111597029B CN 202010430408 A CN202010430408 A CN 202010430408A CN 111597029 B CN111597029 B CN 111597029B
Authority
CN
China
Prior art keywords
data
threads
processed
dimensional
convolution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010430408.8A
Other languages
English (en)
Other versions
CN111597029A (zh
Inventor
姚定界
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sensetime Intelligent Technology Co Ltd
Original Assignee
Shanghai Sensetime Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Sensetime Intelligent Technology Co Ltd filed Critical Shanghai Sensetime Intelligent Technology Co Ltd
Priority to CN202010430408.8A priority Critical patent/CN111597029B/zh
Publication of CN111597029A publication Critical patent/CN111597029A/zh
Application granted granted Critical
Publication of CN111597029B publication Critical patent/CN111597029B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Image Processing (AREA)

Abstract

本公开涉及一种数据处理方法及装置、电子设备和存储介质，所述方法包括：数据处理设备根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据；所述数据处理设备启动二维线程读取所述待处理数据执行所述卷积处理，其中，所述二维线程在行方向上的不同线程读取的数据之间无重叠。本公开实施例可以有效提高卷积处理的速度，进而可以提高数据处理设备的计算性能。

Description

数据处理方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种数据处理方法及装置、电子设备和存储介质。
背景技术
卷积处理是一种计算密集型任务，通常情况下会对整个应用的性能有着至关重要的影响，尤其在卷积神经网络中，大量的卷积处理往往成为整个系统的性能瓶颈。针对输入图像的尺寸较大的情况，目前的卷积处理性能还有待进一步提高。
发明内容
本公开提出了一种数据处理方法及装置、电子设备和存储介质技术方案。
根据本公开的一方面，提供了一种数据处理方法，包括：数据处理设备根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据；所述数据处理设备启动二维线程读取所述待处理数据执行所述卷积处理，其中，所述二维线程在行方向上的不同线程读取的数据之间无重叠。
在一种可能的实现方式中，所述二维线程在列方向上的相邻线程读取的数据之间存在重叠。
在一种可能的实现方式中，所述卷积参数包括卷积核大小和卷积步长；所述根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据，包括：针对所述待处理图像中的每行数据，根据所述卷积核大小，按照所述卷积步长进行多步滑动数据提取，得到所述待处理数据，其中，所述待处理数据中包括多个数据块，每个数据块中包括多列数据，每个数据块中的单列数据为单步提取的数据，不同数据块之间在列方向上对齐排列。
在一种可能的实现方式中，所述二维线程在行方向上的线程数量和在列方向上的线程数量是根据所述数据处理设备中存储单元的大小确定的。
在一种可能的实现方式中，所述存储单元包括至少一个存储行；所述二维线程在行方向上的线程数量是根据所述存储行的大小、以及所述二维线程在行方向上单线程对应的输出元素数量确定的。
在一种可能的实现方式中，所述二维线程在列方向上的线程数量是根据所述二维线程在列方向上单线程对应的输出元素数量，以及所述待处理图像在列方向上的大小确定的。
在一种可能的实现方式中，所述存储单元包括多个寄存器；所述二维线程在列方向上单线程对应的输出元素数量是根据所述多个寄存器的总数量、所述卷积核大小、以及所述二维线程在行方向上单线程对应的输出元素数量确定的。
在一种可能的实现方式中，所述二维线程在列方向上单线程对应的输出元素数量使得：在满足所述多个寄存器的总数量的约束下，所述二维线程占用的寄存器的数量最大。
在一种可能的实现方式中，所述数据处理设备为biforst架构下的图形处理器。
根据本公开的一方面，提供了一种数据处理装置，包括：数据重排模块，用于控制数据处理设备根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据；数据处理模块，用于控制所述数据处理设备启动二维线程读取所述待处理数据执行所述卷积处理，其中，所述二维线程在行方向上的不同线程读取的数据之间无重叠。
在一种可能的实现方式中，所述二维线程在列方向上的相邻线程读取的数据之间存在重叠。
在一种可能的实现方式中，其特征在于，所述卷积参数包括卷积核大小和卷积步长；所述数据重排模块用于：针对所述待处理图像中的每行数据，根据所述卷积核大小，按照所述卷积步长进行多步滑动数据提取，得到所述待处理数据，其中，所述待处理数据中包括多个数据块，每个数据块中包括多列数据，每个数据块中的单列数据为单步提取的数据，不同数据块之间在列方向上对齐排列。
在一种可能的实现方式中，所述二维线程在行方向上的线程数量和在列方向上的线程数量是根据所述数据处理设备中存储单元的大小确定的。
在一种可能的实现方式中，所述存储单元包括至少一个存储行；所述二维线程在行方向上的线程数量是根据所述存储行的大小、以及所述二维线程在行方向上单线程对应的输出元素数量确定的。
在一种可能的实现方式中，所述二维线程在列方向上的线程数量是根据所述二维线程在列方向上单线程对应的输出元素数量，以及所述待处理图像在列方向上的大小确定的。
在一种可能的实现方式中，所述存储单元包括多个寄存器；所述二维线程在列方向上单线程对应的输出元素数量是根据所述多个寄存器的总数量、所述卷积核大小、以及所述二维线程在行方向上单线程对应的输出元素数量确定的。
在一种可能的实现方式中，所述二维线程在列方向上单线程对应的输出元素数量使得：在满足所述多个寄存器的总数量的约束下，所述二维线程占用的寄存器的数量最大。
在一种可能的实现方式中，所述数据处理设备为biforst架构下的图形处理器。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，数据处理设备根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据，进而数据处理设备启动二维线程读取待处理数据执行卷积处理，其中，二维线程在行方向上的不同线程读取的数据之间无重叠，从而可以有效提高卷积处理的速度，进而可以提高数据处理设备的计算性能。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的数据处理方法的流程图；
图2示出根据本公开实施例的待处理图像的示意图；
图3示出根据本公开实施例对图2所示的待处理图像进行数据重新排列后得到的待处理数据的示意图；
图4示出根据本公开实施例的数据处理装置的框图；
图5示出根据本公开实施例的电子设备的框图；
图6示出根据本公开实施例的电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的数据处理方法的流程图。如图1所示的数据处理方法可以由终端设备或其它处理设备执行，其中，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal DigitalAssistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。其它处理设备可为服务器或云端服务器等。在一些可能的实现方式中，该数据处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，该方法可以包括：
在步骤S11中，数据处理设备根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据。
在步骤S12中，数据处理设备启动二维线程读取待处理数据执行卷积处理，其中，二维线程在行方向的不同线程读取的数据之间无重叠。
数据处理设备根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据，进而数据处理设备启动二维线程读取待处理数据执行卷积处理，其中，二维线程在行方向上的不同线程读取的数据之间无重叠，从而可以有效提高卷积处理的速度，进而可以提高数据处理设备的计算性能。
在本公开实施例中，待处理图像可以为输入到神经网络模型的图像，例如RGB图像或者深度图像等等，或者是神经网络模型的中间某一层输出的特征图，本公开实施例对此不做限定。
在一种可能的实现方式中，卷积参数包括卷积核大小和卷积步长；根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据，包括：针对待处理图像中的每行数据，根据卷积核大小，按照卷积步长进行多步滑动数据提取，得到待处理数据，其中，待处理数据中包括多个数据块，每个数据块中包括多列数据，每个数据块中的单列数据为单步提取的数据，不同数据块之间在列方向上对齐排列。
根据卷积核大小和卷积步长对待处理图像中的数据进行上述重新排列后得到的待处理数据，可以使得在后续执行卷积处理时二维线程在行方向上的不同线程读取的数据之间无重叠，从而可以有效提高卷积处理的速度，进而可以提高数据处理设备的计算性能。
图2示出根据本公开实施例的待处理图像的示意图。如图2所示，待处理图像的大小为5×6，包括p0-p4五行，每一行包括6个像素点。假设卷积核大小为3×3，卷积步长为1，且针对待处理图像执行卷积处理时，在行方向上的单个线程需要计算4个点(即像素点数据)，即执行卷积处理时行方向上单线程输出的数据数量为4。对图2所示的待处理图像执行卷积处理时，在行方向上单线程需要读取6个点(a0、b0、c0、d0、e0、f0)，分为4组，每一组包含3个点[(a0、b0、c0)、(b0、c0、d0)、(c0、d0、e0)、(d0、e0、f0)]。由此可见，对待处理图像执行卷积处理时，在行方向上单线程读取的数据之间存在重叠，会降低卷积处理的速度。因此，根据卷积核大小和卷积步长对待处理图像中的数据进行重新排列，以使得在行方向上单线程读取的数据之间无重叠。
以待处理图像中的p0行为例，根据卷积核大小3×3和卷积步长1，对p0行进行多步滑动数据提取，提取得到4组数据：(a0，b0，c0)、(b0，c0，d0)、(c0，d0，e0)和(d0，e0，f0)，将单步提取到的每组数据以列的形式排列，以及将各列数据横向排列，从而得到待处理图像中的p0行在待处理数据中对应的数据块，如图3中所示。图3示出根据本公开实施例对图2所示的待处理图像中的数据进行重新排列后得到的待处理数据的示意图。依此类推，分别对图2所示的图像中的每行(p0-p4)数据执行上述操作，最终得到待处理图像中的每行数据在待处理数据中对应的数据块，如图3所示，不同数据块之间在列方向上是对齐排列的。
通过对待处理图像中的数据进行上述重新排列后，得到的待处理数据可以使得在后续执行卷积处理时在行方向上的不同线程读取的数据之间无重叠，从而可以有效提高卷积处理的速度，进而可以提高数据处理设备的计算性能。
在一种可能的实现方式中，二维线程在列方向上的相邻线程读取的数据之间存在重叠。
仍以上述图3为例，二维线程对图3所示的待处理数据执行卷积处理时，二维线程在列方向上的第一个线程读取的数据为p0、p1和p2对应的三个数据块，二维线程在列方向上的第二个线程读取的数据为p1、p2和p3对应的三个数据块，可知，二维线程在列方向上的相邻线程读取的数据之间存在重叠。
上述对待处理图像中的数据进行重新排列的方式，仅在行方向对数据进行展开，没有在列方向对数据进行展开，使得二维线程在行方向上的相邻线程读取的数据之间无重叠，但是在列方向上的相邻线程读取的数据之间存在重叠。与按照矩阵乘法对待处理图像中的数据在行、列方向均进行展开的数据重新排列方式相比，本公开实施例的数据重新排列方式得到的待处理数据的可以降低内存占用。例如，当卷积核大小为R×R，针对相同大小的待处理图像，按照本公开实施例上述的数据重排方式对待处理图像进行重新排列得到的待处理数据(内存占用大小为待处理图像大小的R倍)，与按照矩阵乘法的数据重排方式对待处理图像进行重新排列得到的待处理数据(内存占用大小为待处理图像大小的R2倍)相比，内存占用由待处理图像大小的R2倍降低为R倍。
在根据卷积核大小和卷积步长对待处理图像中的数据进行重新排列得到待处理数据之后，数据处理设备启动二维线程读取待处理数据执行卷积处理。
仍以上述图3为例，在卷积核大小为3×3、卷积步长1的情况下，对图3所示的待处理数据执行卷积处理，在行方向上单线程对应的输出元素数量为4、以及在列方向上单线程对应的输出元素数量为1时，需要读取p0、p1、p2对应的数据块，即需要读取36个像素点，并与3×3卷积核执行36次乘法计算，此时，计算访存比为1:1。
由于在行方向的不同线程读取的数据之间无重叠，在行方向上增加单线程对应的输出元素数量并不能进一步提升计算法访存比。
将列方向上单线程对应的输出元素数量增加到2，对图3所示的待处理数据执行卷积处理时，在行方向上单线程对应的输出元素数量为4、以及在列方向上单线程对应的输出元素数量为2时，需要读取p0、p1、p2、p3对应的数据块，即需要读取48个像素点，并与3×3卷积核执行72次乘法计算，此时，计算访存比为3:2。
增加在列方向上单线程对应的输出元素数量，可以使得计算访存比趋近于3:1，但是，由于受到数据处理设备中存储单元的大小的限制，不可能无限增加在列方向上单线程对应的输出元素数量。因此，在满足数据处理设备中存储单元的大小的限制的情况下，可以使得在列方向上单线程对应的输出元素数量尽可能取较大值。
在一种可能的实现方式中，存储单元包括多个寄存器；二维线程在列方向上单线程对应的输出元素数量是根据多个寄存器的总数量、卷积核大小、以及二维线程在行方向上单线程对应的输出元素数量确定的。
在一种可能的实现方式中，二维线程在列方向上单线程对应的输出元素数量使得：在满足多个寄存器的总数量的约束下，二维线程占用的寄存器的数量最大。
例如，二维线程在列方向上单线程对应的输出元素数量需要满足下述公式(1)：
M×N×X+N×Y＜S (1)
其中，M×N为卷积核大小，X为二维线程在行方向上单线程对应的输出元素数量，Y为二维线程在列方向上单线程对应的输出元素数量，S为多个寄存器的总数量。在满足上述公式(1)的前提下，对Y取最大值，以使得二维线程占用的寄存器的数量最大。
由于受限于寄存器的总数量，二维线程在列方向上单线程对应的输出元素数量不可能无限大，因此，在满足上述公式(1)的情况下，列方向上单线程对应的输出元素数量(Y)越大，二维线程占用的寄存器的数量越大，在列方向上单线程对应的输出元素数量取最大值的情况下，二维线程占用的寄存器的数量最大，使得可以实现对多个寄存器的充分利用。同时，在列方向上单线程对应的输出元素数量取最大值的情况下，对待处理数据执行卷积处理的计算访存比最大，从而可以提高数据处理设备的计算性能。
仍以上述图3为例，在行方向上单线程对应的输出元素数量为4、以及在列方向上单线程对应的输出元素数量为1的情况下，对图3所示的待处理数据执行卷积处理，当卷积核大小为3×3、卷积步长1时，在列方向上的第一个线程需要读取p0、p1、p2对应的数据块，在列方向上的第二个线程需要读取p1、p2、p3对应的数据块，在列方向上的相邻线程读取的数据之间存在24个像素点的重叠。因此，可以通过提高通过对二维线程进行排布，确定二维线程在行方向上的线程数量和在列方向上的线程数量，使得在列方向上的相邻线程之间读取重叠的数据可以存储在缓存中，以提高对待处理数据执行卷积处理时的缓存命中率，进而可以提高数据处理设备的计算性能。
在一种可能的实现方式中，二维线程在行方向上的线程数量和在列方向上的线程数量是根据数据处理设备中存储单元的大小确定的。
在一种可能的实现方式中，存储单元包括至少一个存储行；二维线程在行方向上的线程数量是根据存储行的大小、以及二维线程在行方向上单线程对应的输出元素数量确定的。
例如，可以根据存储行的大小和二维线程在行方向上单线程对应的输出元素数量，利用下述公式(2)确定二维线程在行方向上的线程数量：
例如，行方向上单线程对应的输出元素数量为4，存储行的大小为64(字节)，则行方向上的线程数量为16。存储行可以为缓存行，也可以为存储单元中的其它存储结构，本公开对此不做具体限定。
在一种可能的实现方式中，二维线程在列方向上的线程数量是根据二维线程在列方向上单线程对应的输出元素数量，以及待处理图像在列方向上的大小确定的。
例如，可以根据二维线程在列方向上单线程对应的输出元素数量，以及待处理图像在列方向的大小，利用下述公式(3)确定二维线程在列方向上的线程数量：
例如，待处理图像大小为6*6，列方向上单线程对应的输出元素数量为2，则列方向上的线程数量为3。
在一种可能的实现方式中，数据处理设备为biforst架构下的图形处理器。
数据处理设备除了可以是上述biforst架构下的图形处理器之外，还可以是其它可以用于对待处理图像进行数据重新排列得到待处理数据，以及利用待处理数据执行卷积处理的硬件设备，本公开对此不做具体限定。
在biforst架构下的图形处理器中，二维线程在行方向上单线程对应的输出元素数量为4，在列方向对应的输出元素数量为2，且在行方向上的线程数量为16，在列方向上的线程数量为待处理图像在列方向的大小/2的情况下，在对待处理图像执行卷积处理时，通过执行待处理图像在行方向的大小/16次的循环计算，以使得有较高的缓存命中率，数据处理设备具有较高计算性能。
对于相同的输出元素数量，与对待处理图像执行卷积处理相比，对待处理数据执行卷积处理时需要加载更多的数据，但是由于biforst架构下的图形处理器计算能力较弱，可以通过数据计算的延迟有效掩盖数据访问的延迟，从而使得与对待处理图像执行卷积处理相比，对待处理数据执行卷积处理同样可以获得较高的计算性能。
在本公开实施例中，数据处理设备根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据，进而数据处理设备启动二维线程读取待处理数据执行卷积处理，其中，二维线程在行方向上的不同线程读取的数据之间无重叠，从而可以有效提高卷积处理的速度，进而可以提高数据处理设备的计算性能。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了数据处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种数据处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图4示出根据本公开实施例的数据处理装置的框图。如图4所示，装置40包括：
数据重排模块41，用于控制数据处理设备根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据；
数据处理模块42，用于控制数据处理设备启动二维线程读取待处理数据执行卷积处理，其中，二维线程在行方向上的不同线程读取的数据之间无重叠。
在一种可能的实现方式中，二维线程在列方向上的相邻线程读取的数据之间存在重叠。
在一种可能的实现方式中，卷积参数包括卷积核大小和卷积步长；
数据重排模块41用于：
针对待处理图像中的每行数据，根据卷积核大小，按照卷积步长进行多步滑动数据提取，得到待处理数据，其中，待处理数据中包括多个数据块，每个数据块中包括多列数据，每个数据块中的单列数据为单步提取的数据，不同数据块之间在列方向上对齐排列。
在一种可能的实现方式中，二维线程在行方向上的线程数量和在列方向上的线程数量是根据数据处理设备中存储单元的大小确定的。
在一种可能的实现方式中，存储单元包括至少一个存储行；二维线程在行方向上的线程数量是根据存储行的大小、以及二维线程在行方向上单线程对应的输出元素数量确定的。
在一种可能的实现方式中，二维线程在列方向上的线程数量是根据二维线程在列方向上单线程对应的输出元素数量，以及待处理图像在列方向上的大小确定的。
在一种可能的实现方式中，存储单元包括多个寄存器；二维线程在列方向上单线程对应的输出元素数量是根据多个寄存器的总数量、卷积核大小、以及二维线程在行方向上单线程对应的输出元素数量确定的。
在一种可能的实现方式中，二维线程在列方向上单线程对应的输出元素数量使得：在满足多个寄存器的总数量的约束下，二维线程占用的寄存器的数量最大。
在一种可能的实现方式中，数据处理设备为biforst架构下的图形处理器。
在一些实施例中，数据处理设备可以用于执行上述数据处理方法，相应地，数据处理设备包括上述数据处理方法的任意步骤或流程的模块或单元，为了简洁，这里不再赘述。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的数据处理方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的数据处理方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出根据本公开实施例的一种电子设备的框图。如图5所示，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图5，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图6示出根据本公开实施例的一种电子设备的框图。如图6所示，电子设备1900可以被提供为一服务器。参照图6，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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动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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (18)

1.一种数据处理方法，其特征在于，包括：
数据处理设备根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据；
所述数据处理设备启动二维线程读取所述待处理数据执行所述卷积处理，其中，所述二维线程在行方向上的不同线程读取的数据之间无重叠；
其中，所述卷积参数包括卷积核大小和卷积步长；
所述根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据，包括：
针对所述待处理图像中的每行数据，根据所述卷积核大小，按照所述卷积步长进行多步滑动数据提取，得到所述待处理数据，其中，所述待处理数据中包括多个数据块，每个数据块中包括多列数据，每个数据块中的单列数据为单步提取的数据，不同数据块之间在列方向上对齐排列。
2.根据权利要求1所述的方法，其特征在于，所述二维线程在列方向上的相邻线程读取的数据之间存在重叠。
3.根据权利要求1或2所述的方法，其特征在于，所述二维线程在行方向上的线程数量和在列方向上的线程数量是根据所述数据处理设备中存储单元的大小确定的。
4.根据权利要求3所述的方法，其特征在于，所述存储单元包括至少一个存储行；所述二维线程在行方向上的线程数量是根据所述存储行的大小、以及所述二维线程在行方向上单线程对应的输出元素数量确定的。
5.根据权利要求3所述的方法，其特征在于，所述二维线程在列方向上的线程数量是根据所述二维线程在列方向上单线程对应的输出元素数量，以及所述待处理图像在列方向上的大小确定的。
6.根据权利要求5所述的方法，其特征在于，所述存储单元包括多个寄存器；所述二维线程在列方向上单线程对应的输出元素数量是根据所述多个寄存器的总数量、所述卷积核大小、以及所述二维线程在行方向上单线程对应的输出元素数量确定的。
7.根据权利要求6所述的方法，其特征在于，所述二维线程在列方向上单线程对应的输出元素数量使得：在满足所述多个寄存器的总数量的约束下，所述二维线程占用的寄存器的数量最大。
8.根据权利要求1或2所述的方法，其特征在于，所述数据处理设备为biforst架构下的图形处理器。
9.一种数据处理装置，其特征在于，包括：
数据重排模块，用于控制数据处理设备根据卷积处理的卷积参数，对待处理图像中的数据进行重新排列，得到具有目标存储结构的待处理数据；
数据处理模块，用于控制所述数据处理设备启动二维线程读取所述待处理数据执行所述卷积处理，其中，所述二维线程在行方向上的不同线程读取的数据之间无重叠；
其中，所述卷积参数包括卷积核大小和卷积步长；
所述数据重排模块具体用于：
针对所述待处理图像中的每行数据，根据所述卷积核大小，按照所述卷积步长进行多步滑动数据提取，得到所述待处理数据，其中，所述待处理数据中包括多个数据块，每个数据块中包括多列数据，每个数据块中的单列数据为单步提取的数据，不同数据块之间在列方向上对齐排列。
10.根据权利要求9所述的装置，其特征在于，所述二维线程在列方向上的相邻线程读取的数据之间存在重叠。
11.根据权利要求9或10所述的装置，其特征在于，所述二维线程在行方向上的线程数量和在列方向上的线程数量是根据所述数据处理设备中存储单元的大小确定的。
12.根据权利要求11所述的装置，其特征在于，所述存储单元包括至少一个存储行；所述二维线程在行方向上的线程数量是根据所述存储行的大小、以及所述二维线程在行方向上单线程对应的输出元素数量确定的。
13.根据权利要求11所述的装置，其特征在于，所述二维线程在列方向上的线程数量是根据所述二维线程在列方向上单线程对应的输出元素数量，以及所述待处理图像在列方向上的大小确定的。
14.根据权利要求13所述的装置，其特征在于，所述存储单元包括多个寄存器；所述二维线程在列方向上单线程对应的输出元素数量是根据所述多个寄存器的总数量、所述卷积核大小、以及所述二维线程在行方向上单线程对应的输出元素数量确定的。
15.根据权利要求14所述的装置，其特征在于，所述二维线程在列方向上单线程对应的输出元素数量使得：在满足所述多个寄存器的总数量的约束下，所述二维线程占用的寄存器的数量最大。
16.根据权利要求9或10所述的装置，其特征在于，所述数据处理设备为biforst架构下的图形处理器。
17.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至8中任意一项所述的方法。
18.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
CN202010430408.8A 2020-05-20 2020-05-20 数据处理方法及装置、电子设备和存储介质 Active CN111597029B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010430408.8A CN111597029B (zh) 2020-05-20 2020-05-20 数据处理方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010430408.8A CN111597029B (zh) 2020-05-20 2020-05-20 数据处理方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111597029A CN111597029A (zh) 2020-08-28
CN111597029B true CN111597029B (zh) 2024-03-22

Family

ID=72185889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010430408.8A Active CN111597029B (zh) 2020-05-20 2020-05-20 数据处理方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111597029B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114201726B (zh) * 2020-09-18 2023-02-10 深圳先进技术研究院 一种卷积运算优化方法、系统、终端以及存储介质
CN112967211A (zh) * 2021-01-31 2021-06-15 成都商汤科技有限公司 一种图像处理方法、装置、计算机设备及存储介质
CN112927124A (zh) * 2021-03-31 2021-06-08 成都商汤科技有限公司 一种数据处理方法、装置、设备及存储介质
CN117827386A (zh) * 2022-09-27 2024-04-05 北京有竹居网络技术有限公司 调度方法、调度装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108205702A (zh) * 2017-12-29 2018-06-26 中国人民解放军国防科技大学 一种多输入多输出矩阵卷积的并行处理方法
CN108304923A (zh) * 2017-12-06 2018-07-20 腾讯科技（深圳）有限公司 卷积运算处理方法及相关产品
CN109885407A (zh) * 2019-03-05 2019-06-14 上海商汤智能科技有限公司 数据处理方法和装置、电子设备、存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10489703B2 (en) * 2015-05-20 2019-11-26 Nec Corporation Memory efficiency for convolutional neural networks operating on graphics processing units

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304923A (zh) * 2017-12-06 2018-07-20 腾讯科技（深圳）有限公司 卷积运算处理方法及相关产品
CN108205702A (zh) * 2017-12-29 2018-06-26 中国人民解放军国防科技大学 一种多输入多输出矩阵卷积的并行处理方法
CN109885407A (zh) * 2019-03-05 2019-06-14 上海商汤智能科技有限公司 数据处理方法和装置、电子设备、存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Xingrun Xing.Self-Quotient Image based CNN: A Basic Image Processing assisting Convolutional Neural Network.《Proceedings of the 2019 3rd International Conference on Digital Signal Processing》.2019,全文. *
李大霞.cuda-convnet深层卷积神经网络算法的一种速度优化.《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》.2016,(第03期),全文. *
郝关鸿 ; 王莉珍 ; .基于GPU的连续卷积算法.计算机与网络.2011,(第12期),全文. *

Also Published As

Publication number Publication date
CN111597029A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
CN111597029B (zh) 数据处理方法及装置、电子设备和存储介质
CN113378862B (zh) 一种图像处理方法及装置、电子设备和存储介质
CN111783756B (zh) 文本识别方法及装置、电子设备和存储介质
CN110633755A (zh) 网络训练方法、图像处理方法及装置、电子设备
CN111190520A (zh) 菜单项选择方法、装置、可读介质及电子设备
JP2021517282A (ja) ネットワークモジュール、割り当て方法及び装置、電子機器並びに記憶媒体
CN112085097A (zh) 图像处理方法及装置、电子设备和存储介质
CN108804684B (zh) 一种数据处理方法和装置
CN112035691A (zh) 切片图像的细胞标注数据的展示方法及装置、设备和介质
CN111354444A (zh) 病理切片图像的展示方法及装置、电子设备和存储介质
WO2023279740A1 (zh) 一种图像处理方法及装置、电子设备和存储介质
EP4300275A1 (en) Page display method and device, electronic device and storage medium
CN110892371B (zh) 显示控制方法和终端
WO2023097998A1 (zh) 图表显示方法、装置、电子设备、存储介质及程序
CN111092971A (zh) 一种显示方法、装置和用于显示的装置
CN114005124A (zh) 采样方法及装置、电子设备和存储介质
CN111290692B (zh) 图片显示方法、装置、电子设备及计算机可读介质
CN113885748A (zh) 对象切换方法、装置、电子设备和可读存储介质
CN113127101A (zh) 一种应用程序的控制方法、装置、设备及介质
CN112802050B (zh) 网络训练、目标跟踪方法及装置、电子设备和存储介质
CN117453111B (zh) 一种触控响应方法及装置、电子设备和存储介质
CN113157703B (zh) 数据的查询方法、装置、电子设备和存储介质
CN112286456B (zh) 存储方法及装置
US20210333988A1 (en) Method and device for switching interface, touch terminal, and storage medium
CN110971952B (zh) 弹幕展示方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant