一种应用于depthwise卷积的量化计算方法和装置与流程

1.本技术涉及神经网络技术领域，尤其涉及一种应用于depthwise卷积的量化计算方法和装置。


背景技术：

2.随着深度学习的快速发展，卷积神经网络已经大量应用于机器视觉应用，例如图像识别与图像分类。输入图像具有多个通道，在标准卷积中，每个卷积核同时操作输入图像的全部通道，在depthwise卷积中，每个卷积核只负责一个通道。
3.在卷积的量化计算过程中，需要计算第一部分、第二部分和第三部分，其中，第三部分中的“*”包括第一部分和第二部分。在第一部分中，由于标准卷积中的每个卷积核同时负责全部通道，因此，第一部分的需要同时计算全部通道的结果，即，每个通道都计算一遍，这就使得第一部分需要多个乘法器。
4.若采用depthwise卷积针对上述公式进行量化计算，由于每个卷积核只负责一个通道，因此在第一部分的量化计算过程中，depthwise卷积只需要一个通道计算，也就是只用到一个乘法器，这就导致计算系统中用于计算第一部分的其他乘法器形成资源浪费。


技术实现要素：

5.本技术实施例的目的在于提供一种应用于depthwise卷积的量化计算方法和装置，以解决资源浪费的问题。具体技术方案如下：第一方面，提供了一种应用于depthwise卷积的量化计算方法，所述方法包括：确定标准卷积在量化计算的预设部分中采用的n个乘法器，其中，n为所述标准卷积中通道的数量；将所述n个乘法器平均分配至depthwise卷积在量化计算中的第一部分和第二部分，其中，所述第一部分和所述第二部分均为量化公式中的部分公式，所述第一部分与所述预设部分相同，所述depthwise卷积能够同时计算输入图像中m个区块单元的量化结果，每个所述区块单元对应输出图像的一个像素点，m≤n/2；在所述depthwise卷积中，通过所述第一部分中的一个乘法器计算目标区块单元中的目标像素点在所述第一部分的第一结果，并通过所述第二部分中的一个乘法器计算所述目标像素点在所述第二部分的第二结果；根据每个目标像素点的第一结果和第二结果，得到所述目标区块单元针对所述第一部分和所述第二部分的量化结果。
6.可选地，所述通过所述第一部分中的一个乘法器计算目标区块单元中的目标像素点在所述第一部分的第一结果包括：确定所述目标区块单元中的目标像素点，其中，所述目标像素点具有对应的目标
像素值；根据所述目标像素点在所述目标区块单元中的位置，在所述输入图像对应的卷积核中确定所述目标像素点对应的卷积核权值；通过所述第一部分中的一个乘法器，确定所述目标像素值和所述卷积核权值的乘积值；将所述乘积值作为所述目标像素点在所述第一部分的第一结果。
7.可选地，所述通过所述第二部分中的一个乘法器计算所述目标像素点在所述第二部分的第二结果包括：获取所述输入图像对应的卷积核的初始卷积核系数；将所述初始卷积核系数进行补码取反得到目标卷积核系数，确定所述目标像素点的目标像素值；通过第二部分中的一个乘法器，将所述目标卷积核系数和所述目标像素值进行相乘得到所述目标像素点在所述第二部分的第二结果。
8.可选地，所述根据每个目标像素点的第一结果和第二结果，得到所述目标区块单元针对所述第一部分和所述第二部分的量化结果包括：根据所述第一结果和所述第二结果的加和得到所述目标像素点的像素点结果；将所述目标区块单元中的每个像素点结果进行加和，得到所述目标区块单元的针对所述第一部分和所述第二部分的总的量化结果。
9.可选地，第一结果的计算公式为：，其中，s1为第一结果，qd为目标像素点的目标像素值，qw为目标像素点对应的卷积核权值。
10.可选地，第二结果的计算公式为：，其中，s2为第二结果，qd为目标像素点的目标像素值，zw为卷积核系数。
11.可选地，量化结果的计算公式为：，其中，s为总量化结果；所述总量化结果的计算公式能够变换为。
12.第二方面，提供了一种应用于depthwise卷积的量化计算装置，所述装置包括：确定模块，用于确定标准卷积在量化计算的预设部分中采用的n个乘法器，其中，n为所述标准卷积中通道的数量；分配模块，用于将所述n个乘法器平均分配至depthwise卷积在量化计算中的第一部分和第二部分，其中，所述第一部分与所述预设部分相同，所述depthwise卷积能够同时计算输入图像中m个区块单元的量化结果，每个所述区块单元对应输出图像的一个像素点，m≤n/2；计算模块，用于在所述depthwise卷积中，通过所述第一部分中的一个乘法器计算目标区块单元中的目标像素点在所述第一部分的第一结果，并通过所述第二部分中的一个乘法器计算所述目标像素点在所述第二部分的第二结果；得到模块，用于根据每个目标像素点的第一结果和第二结果，得到所述目标区块
单元针对所述第一部分和所述第二部分的量化结果。
13.第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现任一所述的应用于depthwise卷积的量化计算方法步骤。
14.第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现任一所述的应用于depthwise卷积的量化计算方法步骤。
15.本技术实施例有益效果：在本技术中，服务器将标准卷积的量化计算中预设部分的n个乘法器，平均分配到depthwise卷积的量化计算的第一部分和第二部分，这样第一部分和第二部分分别配置有n/2个乘法器，depthwise卷积在同时计算至少两个区块单元的量化结果时，可以最多采用n/2个乘法器，即同时计算最多n/2个区块单元的量化结果，提高了计算效率。另外，相对于现有技术中depthwise卷积只能利用标准卷积第一部分的一个乘法器和第二部分的一个乘法器来说，depthwise卷积放弃第二部分的一个乘法器的同时，合理利用了标准卷积中闲置的（n-1）个乘法器，也使乘法器得到资源最大化利用。
16.当然，实施本技术的任一产品或方法并不一定需要同时达到以上的所有优点。
附图说明
17.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
18.图1为本技术实施例提供的一种应用于depthwise卷积的量化计算方法硬件环境示意图；图2为本技术实施例提供的一种应用于depthwise卷积的量化计算的方法流程图；图3为本技术实施例提供的标准卷积的卷积过程示意图；图4为本技术实施例提供的depthwise卷积的卷积过程示意图；图5为本技术实施例提供的一种应用于depthwise卷积的量化计算装置的结构示意图；图6为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
19.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
20.在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本技术的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使
用。
21.为了解决背景技术中提及的问题，根据本技术实施例的一方面，提供了一种depthwise卷积的量化计算方法的实施例。
22.可选地，在本技术实施例中，上述应用于depthwise卷积的量化计算方法可以应用于如图1所示的由终端101和服务器103所构成的硬件环境中。如图1所示，服务器103通过网络与终端101进行连接，可用于为终端或终端上安装的客户端提供服务，可在服务器上或独立于服务器设置数据库105，用于为服务器103提供数据存储服务，上述网络包括但不限于：广域网、城域网或局域网，终端101包括但不限于pc、手机、平板电脑等。
23.本技术实施例提供了一种应用于depthwise卷积的量化计算方法，可以应用于服务器或终端，用于在depthwise卷积的量化计算过程中减少硬件资源的浪费。
24.下面将结合具体实施方式，以应用于服务器为例，对本技术实施例提供的一种depthwise卷积的量化计算方法进行详细的说明，如图2所示，具体步骤如下：步骤201：确定标准卷积在量化计算的预设部分中采用的n个乘法器。
25.其中，n为标准卷积中通道的数量。
26.在本技术实施例中，标准卷积中，每个卷积核同时操作输入图像的全部通道，每个卷积核对应一个输出图像，这样，每个输出图像体现全部通道的特征。图3为标准卷积的卷积过程示意图。可以看出，输入图像包括三个通道（channelinput）（例如rgb图像包括r、g、b三个通道），经过卷积核（filters）的卷积操作后，得到一个输出图像（maps）。
27.depthwise卷积中，每个卷积核操作输入图像的一个通道，每个卷积核对应一个输出图像，这样，每个输出图像体现一个通道的特征。图4为depthwise卷积的卷积过程示意图。可以看出，每个卷积核只负责一个通道，并且一个通道只被一个卷积核卷积。
28.卷积神经网络的模型中需要大量的参数，会大幅提高模型的大小，但过大的模型会加大神经网络推理需要的计算量，同时也会加大储存和传输带宽的需求，因此需要通过量化来降低数据量。
29.常用的量化方式是将32位浮点数转换为整数（常见8或16位）。其转换公式为。其中，r为32位浮点原始数据，s为32位浮点乘法系数，q为转换后的整数，z为零点。s和z是量化参数，由这两个参数决定量化后的结果。
30.在量化过程中，会存在精度损失，其精度损失取决于原始数据r分布的范围，但该量化过程带来的精度损失在工业上可以接受的范围之内。而量化带来的好处是：数据传输量减少（量化参数提前固定，部分计算可以进行预处理而不用实时处理。以量化后结果为8位整数为例，数据传输量减少为原来的1/4）。另外，量化计算中，整数计算消耗的时间和硬件资源都远小于浮点数，因此采用量化运算可以提高计算速度、减小芯片面积和功耗。量化能降低算法复杂度，从而减低运行推理时间。
31.卷积的计算公式为：，带入量化公式，可以得到。使用替换符号，可以得到量化输出结果的公式：。
32.其中，上述量化公式中各符号的具体含义如下。ro：原始输出数据；rd：原始输入数据；rw：原始系数；bias：一个常数；sw：系数的量化系数，对于一整个运算来说是一个常数；
sd：输入数据的量化系数，对于一整个运算来说是一个常数；so：输出数据的量化系数，对于一整个运算来说是一个常数；zw：系数的量化零点，对于一整个运算来说是一个常数；zd：输入数据的量化零点，对于一整个运算来说是一个常数；zo：输出数据的量化零点，对于一整个运算来说是一个常数；qw：量化后的系数；qd：量化后的输入数据；qo：量化后的输出数据。
33.在公式中，中的数据全部为提前确定的常数，剩余计算分为三部分：第一部分为，第二部分为，第三部分是，这三个部分的硬件在设计上彼此独立。
34.对于第一部分的计算，其在标准卷积中的计算过程如下：假设标准卷积运算中某个通道对应的卷积核为：表一w1w2w3w4w5w6w7w8w9该通道对应的输入数据为：表二输入图像划分为多个不完全重叠的区块单元，每个区块单元的尺寸与卷积核的尺寸相同，可以看到，输入图像按照3*3的尺寸划分形成表二，表二可以划分为16个区块单元，圈起部分为一个区块单元，输入图像中的每个区块单元对应输出图像中的一个像素点。标准卷积是先计算一个区块单元的结果，然后再计算下一个区块单元的结果，直至所有区块单元的结果计算完成计算的是一个区块单元的结果，其中，qd为表二中的数据，qw为表一中的数据。
35.示例性地，计算的是第一个区块单元的结果，那么，第一个周期计算n个通道的d1*w1（即每个通道都计算一遍d1*w1），并将每个通道的结果累加；第二个周期计算n个通道的d2*w2，并将结果累加至上一个周期的计算结果；
……
第九个周期计算n个通道的d15*w9，并将结果累加至上一个周期的计算结果；至此，得到第一个区块单元的结果。
36.从上述计算过程可以看出，第一部分在计算第一个区块单元结果的过程中，需要同时计算n个通道的dx*wx，由于每个通道计算dx*wx都需要一个乘法器，因此，第一部分需要n个乘法器。
37.在本技术实施例中，卷积核尺寸为3*3，那么，x为1至9中的任一个数字。若卷积核尺寸为5*5，那么，x为1至25中的任一个数字。
38.对于第二部分的计算，其在标准卷积中的计算过程如下：，针对第一个区块单元来说，需要计算每个通道的d1至d9的和值，即，为n个通道的d1至d9的和值，然后再乘以zw，由于只算了一次乘法，这样第二部分所有通道共用1个乘法器。
39.因此，计算系统的第一部分具有n个乘法器，第二部分具有1个乘法器，计算系统的硬件是固定的，不可改变。
40.针对depthwise卷积，一方面，由于depthwise卷积的卷积核只对应一个通道，那么depthwise卷积在第一部分只需要用到一个乘法器，其他的（n-1）个乘法器都闲置，造成资源浪费。另一方面，depthwise卷积本身能够同时计算至少两个区块单元的结果，由于计算系统的第二部分只有一个乘法器，那么depthwise卷积也只能采用一个乘法器进行计算，导致depthwise卷积计算效率低。
41.服务器确定标准卷积在量化计算的预设部分中采用的n个乘法器，其中，预设部分即为上文中的第一部分。
42.步骤202：将n个乘法器平均分配至depthwise卷积在量化计算中的第一部分和第二部分。
43.其中，所述第一部分和所述第二部分均为量化公式中的部分公式，第一部分与预设部分相同，depthwise卷积能够同时计算输入图像中m个区块单元的量化结果，每个区块单元对应输出图像的一个像素点，m≤n/2。
44.在本技术实施例中，服务器将n个乘法器平均分配至depthwise卷积在量化计算中的第一部分和第二部分，那么depthwise卷积在量化计算中的第一部分和第二部分分别配置有n/2个乘法器。第一部分为，第二部分为。
45.depthwise卷积在计算第一部分的一个区块单元时，由于depthwise卷积的卷积核只对应一个通道，因此，depthwise卷积计算第一部分的一个区块单元只需要一个乘法器；depthwise卷积在计算第二部分的一个区块单元时，由于只需要一个乘法器，因此，depthwise卷积计算第二部分的一个区块单元只需要一个乘法器。
46.服务器重新配置乘法器后，depthwise卷积的第一部分和第二部分都均有n/2个乘法器，由于depthwise卷积可以同时计算至少两个区块单元，那么depthwise卷积同时计算的区块单元的最大数量m应该小于等于n/2。
47.步骤203：在depthwise卷积中，通过第一部分中的一个乘法器计算目标区块单元中的目标像素点在第一部分的第一结果，并通过第二部分中的一个乘法器计算目标像素点在第二部分的第二结果。
48.在本技术实施例中，服务器将目标区块单元中的任一个像素点作为目标像素点。在depthwise卷积的量化计算过程中，服务器首先通过第一部分中的一个乘法器，计算目标像素点在第一部分的第一结果，然后通过第二部分中的一个乘法器，计算目标像素点在第二部分的第二结果。这样，服务器就得到了目标像素点在第一部分的第一结果和第二部分的第二结果。服务器可以采用该方式得到目标区块单元中，每个像素点在第一部分的第一
结果和第二部分的第二结果。
49.示例性地，目标像素点的目标像素值为d3，那么第一部分的第一结果为d3*w3，第二部分的第二结果为zw*d3。
50.步骤204：根据每个目标像素点的第一结果和第二结果，得到目标区块单元针对第一部分和第二部分的量化结果。
51.在本技术实施例中，服务器将第一结果和第二结果的加和，可以得到目标像素点的像素点结果，目标区块单元中包括x个像素点，服务器将目标区块单元中的每个像素点结果进行加和，得到目标区块单元的针对第一部分和第二部分的总的量化结果。
52.在本技术中，服务器将标准卷积的量化计算中预设部分的n个乘法器，平均分配到depthwise卷积的量化计算的第一部分和第二部分，这样第一部分和第二部分分别配置有n/2个乘法器，depthwise卷积在同时计算至少两个区块单元的量化结果时，可以最多采用n/2个乘法器，即同时计算最多n/2个区块单元的量化结果，提高了计算效率。另外，相对于现有技术中depthwise卷积只能利用标准卷积第一部分的一个乘法器和第二部分的一个乘法器来说，depthwise卷积放弃第二部分的一个乘法器的同时，合理利用了标准卷积中闲置的（n-1）个乘法器，也使乘法器得到资源最大化利用。
53.针对depthwise卷积计算效率低的问题，若depthwise卷积单纯的增加多组以计算多个区块单元，那么会造成增加逻辑的增多。本技术没有额外增加加法器，只是增加了选择器和寄存器。
54.作为一种可选地实施方式，通过第一部分中的一个乘法器计算目标区块单元中的目标像素点在第一部分的第一结果包括：确定目标区块单元中的目标像素点，其中，目标像素点具有对应的目标像素值；根据目标像素点在目标区块单元中的位置，在输入图像对应的卷积核中确定目标像素点对应的卷积核权值；通过第一部分中的一个乘法器，确定目标像素值和卷积核权值的乘积值；将乘积值作为目标像素点在第一部分的第一结果。
55.在本技术实施例中，输入图像对应的卷积核包括多个卷积核权值，服务器将目标区块单元中的任意一个像素点作为目标像素点，然后确定目标像素点在目标区块单元中的位置，并根据该位置确定目标像素点对应的卷积核权值。服务器通过第一部分中的一个乘法器，确定目标像素值和卷积核权值的乘积值，将乘积值作为目标像素点在第一部分的第一结果。
56.第一结果的计算公式为：，其中，s1为第一结果，qd为目标像素点的目标像素值，qw为目标像素点对应的卷积核权值。
57.作为一种可选地实施方式，通过第二部分中的一个乘法器计算目标像素点在第二部分的第二结果包括：获取输入图像对应的卷积核的初始卷积核系数；将初始卷积核系数进行补码取反得到目标卷积核系数，确定目标像素点的目标像素值；通过第二部分中的一个乘法器，将目标卷积核系数和目标像素值进行相乘得到目标像素点在第二部分的第二结果。
58.在本技术实施例中，服务器获取输入图像对应的卷积核的初始卷积核系数zw，对进行补码取反得到目标卷积核系数-zw，通过第二部分中的一个乘法器，将目标卷积核系数和目标像素值进行相乘，得到目标像素点在第二部分的第二结果。
59.第二结果的计算公式为：，其中，s2为第二结果，qd为目标像素点的目标像素值，zw为卷积核系数。
60.确定目标像素点的第一结果和第二结果后，目标区块单元的量化结果为每个像素点结果的和值，即，其中，s为总量化结果。总量化结果的计算公式能够变换为，这与标准卷积中的量化公式是相同的。
61.由于第一部分和第二部分与标准卷积中的量化公式，而第一部分和第二部分都存在于的“*”中，因此，第三部分并没有实质性的改变。
62.基于相同的技术构思，本技术实施例还提供了一种应用于depthwise卷积的量化计算装置，如图5所示，该装置包括：确定模块501，用于确定标准卷积在量化计算的预设部分中采用的n个乘法器，其中，n为标准卷积中通道的数量；分配模块502，用于将n个乘法器平均分配至depthwise卷积在量化计算中的第一部分和第二部分，其中，第一部分和第二部分均为量化公式中的部分公式，第一部分与预设部分相同，depthwise卷积能够同时计算输入图像中m个区块单元的量化结果，每个区块单元对应输出图像的一个像素点，m≤n/2；计算模块503，用于在depthwise卷积中，通过第一部分中的一个乘法器计算目标区块单元中的目标像素点在第一部分的第一结果，并通过第二部分中的一个乘法器计算目标像素点在第二部分的第二结果；得到模块504，用于根据每个目标像素点的第一结果和第二结果，得到目标区块单元针对第一部分和第二部分的量化结果。
63.可选地，计算模块503用于：确定目标区块单元中的目标像素点，其中，目标像素点具有对应的目标像素值；根据目标像素点在目标区块单元中的位置，在输入图像对应的卷积核中确定目标像素点对应的卷积核权值；通过第一部分中的一个乘法器，确定目标像素值和卷积核权值的乘积值；将乘积值作为目标像素点在第一部分的第一结果。
64.可选地，计算模块503还用于：获取输入图像对应的卷积核的初始卷积核系数；将初始卷积核系数进行补码取反得到目标卷积核系数，确定目标像素点的目标像素值；通过第二部分中的一个乘法器，将目标卷积核系数和目标像素值进行相乘得到目标像素点在第二部分的第二结果。
65.可选地，计算模块503用于：根据第一结果和第二结果的加和得到目标像素点的像素点结果；将目标区块单元中的每个像素点结果进行加和，得到目标区块单元的针对第一部分和第二部分的总的量化结果。
66.可选地，第一结果的计算公式为：
，其中，s1为第一结果，qd为目标像素点的目标像素值，qw为目标像素点对应的卷积核权值。
67.可选地，第二结果的计算公式为：，其中，s2为第二结果，qd为目标像素点的目标像素值，zw为卷积核系数。
68.可选地，量化结果的计算公式为：其中，s为总量化结果；总量化结果的计算公式能够变换为。
69.根据本技术实施例的另一方面，本技术提供了一种电子设备，如图6所示，包括存储器603、处理器601、通信接口602及通信总线604，存储器603中存储有可在处理器601上运行的计算机程序，存储器603、处理器601通过通信接口602和通信总线604进行通信，处理器601执行计算机程序时实现上述方法的步骤。
70.上述电子设备中的存储器、处理器通过通信总线和通信接口进行通信。所述通信总线可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
71.存储器可以包括随机存取存储器(random access memory，简称ram)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
72.上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field-programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
73.根据本技术实施例的又一方面还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质。
74.可选地，在本技术实施例中，计算机可读介质被设置为存储用于所述处理器执行上述方法的程序代码。
75.可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。
76.本技术实施例在具体实现时，可以参阅上述各个实施例，具有相应的技术效果。
77.可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(application specific integrated circuits，asic)、数字信号处理器(digital signal processing，dsp)、数字信号处理设备(dsp device，dspd)、可编程逻辑设备(programmable logic device，pld)、现场可编程门阵列(field-programmable gate array，fpga)、通用处理器、控制器、微控制器、微处理器、用于执行本技术所述功能的其它电子单元或其组合中。
78.对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代
码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
79.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
80.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
81.在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
82.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
83.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
84.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
85.以上所述仅是本技术的具体实施方式，使本领域技术人员能够理解或实现本技术。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。