一种多模态神经网络模型流式计算方法

本发明提供了一种多模态神经网络模型流式计算方法，包括：通过模块化来固化神经网络模型内部各个隐藏层的特征表征空间，使得每个隐藏层都能对外提供基于自己表征空间的特征向量；对神经网络模型计算过程流式化；在多模态场景下对流式神经网络模型进行联合训练与推理，形成多个网络映射，实现场景特征共享及目标识别和场景再现。本发明使神经网络模型具备可拆分、可分支和可引流、可合并等灵活计算能力，为后续形成一个较为完整的片上AI系统，实现一种新型的端AI计算架构，为完成一类完备的工程应用奠定基础。