摘要
本发明提供了一种图结构数据处理方法,可以应用于人工智能和深度学习技术领域。该处理方法包括:读取压缩特征矩阵和状态特征矩阵,其中,压缩特征矩阵是基于预设压缩策略对稀疏特征矩阵中至少一个元素的行位置信息和数值信息进行压缩得到,状态特征矩阵表征压缩特征矩阵在前处理的状态特征;对压缩特征矩阵与权重矩阵执行第一矩阵运算得到第一中间矩阵,对状态特征矩阵与第一中间矩阵执行第二矩阵运算得到第二中间矩阵,其中,第一矩阵运算包括基于加速器的多个门控算法执行的并行运算和延迟运算;根据第一中间矩阵与第二中间矩阵得到目标矩阵,以便利用目标矩阵进行目标任务。本发明还提供了一种加速器、存储介质和程序产品。
技术关键词
矩阵
压缩特征
神经网络加速器
结构数据处理方法
标签
元素
内部存储单元
稀疏特征
特征值
算法
处理器
深度学习技术
关系
执行乘法
存储器
计算机程序产品
指令
数值
系统为您推荐了相关专利信息
数据标签
电力系统频率
网络结构
样本
电力运行数据
姿态估计方法
人形机器人
协方差矩阵
傅里叶变换函数
姿态解算算法