一种基于光子计算芯片的卷积计算方法及装置与流程

1.本技术涉及光子芯片技术领域，尤其涉及一种基于光子计算芯片的卷积计算方法及装置。


背景技术：

2.人工神经网络(artificial neural network，ann)算法内包含大量的矩阵线性乘法运算。为了实现海量的数据训练和推理，gpu、tpu、fpga、asic、类脑芯片等ai芯片应运而生。但是当前的ai芯片仍依托电子计算技术，随着摩尔定律的失效，电子ai芯片难以满足未来日益增长的算力需求。为此，研究者提出非冯诺依曼架构的光子计算芯片，以光信号取代电信号，实现高速、高并行、低功耗的光学神经网络(optical neural network，onn)运算。
3.在传统卷积运算中，以3
×
3的卷积核为例进行说明，如图1所示。滑动窗口内特征矩阵[a11，a12，a13]，[a21，a2，a23]，[a31，a32，a33]与卷积核[w11，w12，w13]，[w21，w22，w23]，[w31，w32，w33]做卷积运算后得(a11w11+a12w12+a13w13)+(a21w21+a22w22+a23w23)+(a31w31+a32w32+a33w33)。使用光子计算芯片实现3
×
3卷积核w。此时，u、σ和v*矩阵均为3
×
3，各需要3
×
(3-1)/2＝3个干涉仪，共9个干涉仪。
[0004]
由于光子计算芯片的输入为一维向量，因此需要将滑动窗口内的特征图分三次输入，依次为[a11，a12，a13]，[a21，a22，a23]和[a31，a32，a33]。计算结果如公式(1)-(3)。
[0005]
公式(1)：
[0006]
公式(2)：
[0007]
公式(3)：
[0008]
对比上述结果可知，公式(1)的输出仅第1行有效，对应光子计算芯片的1号探测器。公式(2)输出仅第2行有效，对应光子计算芯片的2号探测器。公式(3)输出仅第1行有效，对应光子计算芯片的3号探测器。若有n个卷积核(通常n》m)，该滑动窗口内下，光子计算芯片就要处理3n次，导致光子计算芯片的计算次数过多。


技术实现要素：

[0009]
为了解决上述技术问题或者至少部分地解决上述技术问题，本技术提供了一种基于光子计算芯片的卷积计算方法及装置。
[0010]
根据本技术实施例的一个方面，提供了一种基于光子计算芯片的卷积计算方法，
所述方法适用于光子计算芯片的卷积计算装置，所述卷积计算装置中包括光信号输入端以及光探测器输出端，所述输入端与所述输出端之间通过级联排布的干涉仪阵列连接，所述方法包括：
[0011]
获取权重矩阵，并将所述权重矩阵加载至光子计算芯片中的干涉仪阵列；
[0012]
获取待处理的目标输入向量，其中，所述目标输入向量是从目标特征图中得到的；
[0013]
将所述目标输入向量输入至所述输入端，通过所述输入端利用所述目标输入向量进行向量-权重矩阵的线性计算，得到输出向量；
[0014]
从每个输出向量中提取属于同一行的元素进行求和，得到卷积核与目标特征图之间的卷积计算结果。
[0015]
进一步的，所述获取权重矩阵，包括：
[0016]
从n个m
×
m的卷积核中提取第i行参数，并基于第i行参数生成所述第i行参数对应的m
×
n的权重矩阵，其中，所述第i行参数对应的权重矩阵的数量为m；
[0017]
将所述第i行参数对应的权重矩阵加载至光子计算芯片的干涉仪阵列，其中，m，n，i均为大于等于1的整数。
[0018]
进一步的，所述获取待处理的目标输入向量，包括：
[0019]
获取待处理的目标特征图；
[0020]
利用预设滑动窗口对所述目标特征图进行分析，得到m个待处理的特征行向量，其中，每个特征行向量中包括m个元素；
[0021]
提取第i行的特征行向量，将所述特征行向量转换为第i行对应的特征列向量，并将所述特征列向量确定为所述目标输入向量。
[0022]
进一步的，所述将所述目标输入向量输入至所述输入端，通过所述输入端利用所述目标输入向量进行向量-权重矩阵的线性计算，得到输出向量，包括：
[0023]
将第i行对应的特征列向量输入至所述输入端，以使所述输入端与所述第i行对应的权重矩阵进行线性乘法运算，得到所述第i行对应的输出向量；
[0024]
重复运行光子计算芯片，直至得到m个输出向量，其中，输出向量中包括n个元素。
[0025]
进一步的，所述从每个输出向量中提取属于同一行的元素进行求和，得到卷积核与目标特征图之间的卷积计算结果，包括：
[0026]
从m个输出向量中提取属于同一行的元素进行求和，得到m个输出向量对应的输出值；
[0027]
将m个输出向量对应的输出值确定为所述计算结果。
[0028]
根据本技术实施例的另一方面，还提供了一种基于光子计算芯片的卷积计算装置，包括：光信号输入端以及光探测器输出端，所述输入端与所述输出端之间通过级联排布的干涉仪阵列连接，所述干涉仪阵列中加载有权重矩阵；
[0029]
所述输入端，用于获取目标输入向量，并利用所述目标输入向量进行向量-权重矩阵的线性计算，得到输出向量；
[0030]
所述输出端，用于从每个输出向量中提取属于同一行的元素进行求和，得到卷积核与目标特征图之间的卷积计算结果。
[0031]
进一步的，所述权重矩阵是根据酉矩阵、对角矩阵以及酉矩阵对应的复共轭矩阵生成的，所述权重矩阵的维度为m
×
n，所述酉矩阵的维度为m
×
m，所述对角矩阵的维度为m
×
n，所述复共轭矩阵的维度为n
×
n。
[0032]
进一步的，所述酉矩阵对应干涉仪阵列中干涉仪的数量基于以下公式计算：
[0033]
m1＝n(n-1)/2，式中，m1为酉矩阵对应干涉仪阵列中干涉仪的数量。
[0034]
进一步的，所述对角矩阵对应干涉仪阵列中干涉仪的数量基于以下公式计算：
[0035]
m2＝3n(3n-1)/2，式中，m2为对角矩阵对应干涉仪阵列中干涉仪的数量。
[0036]
根据本技术实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的步骤。
[0037]
根据本技术实施例的另一方面，还提供了一种电子装置，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；其中：存储器，用于存放计算机程序；处理器，用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
[0038]
本技术实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的步骤。
[0039]
本技术实施例提供的上述技术方案与现有技术相比具有如下优点：本技术利用光子计算芯片实现向量与权重矩阵的线性计算，能够模拟卷积神经网络中的矩阵与矩阵之间的运算，通过优化权重矩阵提取方法，降低了光子计算芯片的运行次数，提高了计算效率。
附图说明
[0040]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
[0041]
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。
[0042]
图1为本技术实施例提供的传统卷积计算的示意图；
[0043]
图2为本技术实施例提供的一种基于光子计算芯片的卷积计算装置的示意图；
[0044]
图3为本技术实施例提供的一种基于光子计算芯片的卷积计算方法的流程图；
[0045]
图4为本技术实施例提供的卷积计算的示意图；
[0046]
图5为本技术实施例提供的卷积计算的示意图；
[0047]
图6为本技术实施例提供的卷积计算的示意图；
[0048]
图7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
[0049]
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，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。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。
[0050]
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类似的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。
[0051]
基于上述技术问题，本技术实施例提供了一种基于光子计算芯片的卷积计算方法及装置。本发明实施例所提供的方法可以应用于任意需要的电子设备，例如，可以为服务器、终端等电子设备，在此不做具体限定，为描述方便，后续简称为电子设备。
[0052]
图2为本技术实施例提供的一种基于光子计算芯片的卷积计算装置的示意图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图2所示，该装置包括：
[0053]
光信号输入端以及光探测器输出端，输入端与输出端之间通过级联排布的干涉仪阵列连接，干涉仪阵列中加载有权重矩阵；
[0054]
输入端，用于获取目标输入向量，并利用目标输入向量进行向量-权重矩阵的线性计算，得到输出向量；
[0055]
输出端，用于从每个输出向量中提取属于同一行的元素进行求和，得到卷积核与目标特征图之间的卷积计算结果。
[0056]
在本技术实施例中，干涉仪阵列中的干涉仪的数量根据权重矩阵确定的，权重矩阵是根据酉矩阵、对角矩阵以及酉矩阵对应的复共轭矩阵生成的，酉矩阵、对角矩阵以及复共轭矩阵对应的维度分别根据输入层中卷积核的个数确定。
[0057]
在本技术实施例中，以3
×
3卷积核为例，权重矩阵的维度为n
×
3，酉矩阵的维度为n
×
n，对角矩阵的维度为n
×
3，复共轭矩阵的维度为3
×
3，n为卷积核的数量。
[0058]
需要说明的是，本技术实施例在设计光子计算芯片时基于酉矩阵、对角矩阵以及复共轭矩阵对应的维度确定各自对应干涉仪阵列中干涉仪的数量。在光子计算芯片运行的过程中，通过设置好的干涉仪阵列不仅能够实现常规的卷积计算，而且还能够降低光子计算芯片的计算次数。
[0059]
在本技术实施例中，酉矩阵对应干涉仪阵列中干涉仪的数量基于以下公式计算：m1＝n(n-1)/2，式中，m1为酉矩阵对应干涉仪阵列中干涉仪的数量。
[0060]
在本技术实施例中，对角矩阵对应干涉仪阵列中干涉仪的数量基于以下公式计算：m2＝3n(3n-1)/2，式中，m2为对角矩阵对应干涉仪阵列中干涉仪的数量。
[0061]
需要说明的是，为了降低计算量，本技术实施例的光子计算芯片实现的矩阵维度为n
×
3，则u矩阵为n
×
n，需要n(n-1)/2个干涉仪。σ矩阵为n
×
3，需要3n(3n-1)/2个干涉仪，v*矩阵为3
×
3，需要3个干涉仪，n为卷积核的数量，本技术实施例中的干涉仪为马赫-曾德尔干涉仪(mach
–
zehnder interferometer，缩写：mzi)。
[0062]
根据本技术实施例的一方面，提供了一种基于光子计算芯片的卷积计算方法的方法实施例。图3为本技术实施例提供的一种基于光子计算芯片的卷积计算方法的流程图，如图3所示，该方法包括：
[0063]
步骤s11，获取权重矩阵，并将所述权重矩阵加载至光子计算芯片中的干涉仪阵列。
[0064]
本技术实施例提供方法应用于光子计算芯片的卷积计算装置，卷积计算装置中包括光信号输入端以及光探测器输出端，输入端与所述输出端之间通过级联排布的干涉仪阵列连接。其中，光子计算芯片可以将接收的请求方设备所发送的数据确定为待处理的目标输入数据，其中，待处理的目标输入数据可以是文本数据、图像数据等等。
[0065]
需要说明的是，由于权重矩阵的矩阵维度为m
×
n，因此需要向光学神经网络中的干涉仪阵列中插入权重值。其中权重值可以是开发人员预先设置好的权重值。具体的，可以获取输入层对应的卷积核参数，基于卷积核参数获取相应的权重值，并基于权重值构建权重矩阵。
[0066]
在本技术实施例中，获取权重矩阵，包括以下步骤a1-a2：
[0067]
步骤a1，从n个m
×
m的卷积核中提取第i行参数，并基于第i行参数生成第i行参数对应的m
×
n的权重矩阵，其中，第i行参数对应的权重矩阵的数量为m。
[0068]
步骤a2，将第i行参数对应的权重矩阵加载至光子计算芯片的干涉仪阵列，其中，m，n，i均为大于等于1的整数。
[0069]
步骤s12，获取待处理的目标输入向量，其中，目标输入向量是从目标特征图中得到的。
[0070]
在本技术实施例中，步骤s12，获取待处理的目标输入向量，包括以下步骤b1-b3：
[0071]
步骤b1，获取待处理的目标特征图。
[0072]
步骤b2，利用预设滑动窗口对目标特征图进行分析，得到m个待处理的特征行向量，其中，每个特征行向量中包括m个元素。
[0073]
步骤b3，提取第i行的特征行向量，将特征行向量转换为第i行对应的特征列向量，并将特征列向量确定为目标输入向量。
[0074]
在本技术实施例中，光子计算芯片在运行时确定预设滑动窗口，预设滑动窗口的长度与输出层中卷积核的数量相同，例如输出层中的卷积核为3个时，预设滑动窗口的长度为3，宽度为1。利用预设滑动窗口从目标特征图提取多个特征行向量，例如：目标特征图包括多个特征向量，预设滑动时间窗口的长度为3，因此利用预设滑动窗口遍历每行特征向量，从多个特征向量中按照顺序提取3个特征向量(元素)，并将3个特征向量(元素)确定第一行特征行向量，直至全部特征向量提取完成，得到m个特征行向量。
[0075]
作为一个示例，当存在n个卷积核时，可以通过n个卷积核从目标特征图中提取特征k，对特征k进行卷积计算，最终得到m个特征行向量，然后对每个特征行向量进行转换，得到m个特征列向量，将特征列向量确定为目标输入向量。
[0076]
步骤s13，将目标输入向量输入至输入端，通过输入端利用目标输入向量进行向量-权重矩阵的线性计算，得到输出向量。
[0077]
在本技术实施例中，步骤s13，将目标输入向量输入至输入端，通过输入端利用目标输入向量进行向量-权重矩阵的线性计算，得到输出向量，包括以下步骤c1-c2：
[0078]
步骤c1，将第i行对应的特征列向量输入至输入端，以使输入端与第i行对应的权重矩阵进行线性乘法运算，得到第i行对应的输出向量。
[0079]
步骤c2，重复运行光子计算芯片，直至得到m个输出向量，其中，输出向量中包括n个元素。
[0080]
在本技术实施例中，光子计算芯片在运行时，首先将n个卷积核的第1行权重值加
载到光子计算芯片的干涉仪阵列中，如图4所示，光子计算芯片输入向量为预设滑动窗口内第1行向量[a11，a12，a13]，得到的矩阵运算结果如公式所示。
[0081][0082]
公式的第1行结果对应该目标输入数据与第1个卷积核的第1行的点乘累加。第n行结果对应该目标输入数据与第n个卷积核的第1行的点乘累加。n行结果均有效，被保存在内存中，后续调用。
[0083]
其次，如图5所示，将n个卷积核的第2行数据加载到光子计算芯片的干涉仪阵列中，光子计算芯片输入向量为预设滑动窗口内第2行[a21，a22，a23]，依据[a21，a22，a23]与权重矩阵进行计算，得到第2行的计算结果。
[0084]
最后，如图6所示，将n个卷积核的第3行数据加载到光子计算芯片的干涉仪阵列中，光子计算芯片输入向量为预设滑动窗口内第3行[a31，a32，a33]，依据[a31，a32，a33]与权重矩阵进行计算，得到第3行的计算结果。
[0085]
步骤s14，从每个输出向量中提取属于同一行的元素进行求和，得到卷积核与目标特征图之间的卷积计算结果。
[0086]
在本技术实施例中，步骤s14，从每个输出向量中提取属于同一行的元素进行求和，得到卷积核与目标特征图之间的卷积计算结果，包括以下步骤d1-d2：
[0087]
步骤d1，从m个输出向量中提取属于同一行的元素进行求和，得到m个输出向量对应的输出值。
[0088]
步骤d2，将m个输出向量对应的输出值确定为卷积计算结果。
[0089]
在本技术实施例中，在得到每个特征行向量对应的输出向量后，然后对该行的输出向量中属于同一行的多个元素进行累加求和，以此得到输出值。最终，通过每个特征行向量对应输出向量进行计算，得到目标特征图对应的卷积计算结果。因此，本本技术利用光子计算芯片实现向量与权重矩阵的线性计算，能够模拟卷积神经网络中的矩阵与矩阵之间的运算，通过优化权重矩阵提取方法，降低了光子计算芯片的运行次数，提高了计算效率。
[0090]
在本技术实施例中，在干涉仪阵列完成计算后，会将计算结果传递给输出层，由输出层将计算结果进行输出。
[0091]
本技术实施例在设计光子计算芯片时依据卷积核的个数确定酉矩阵、对角矩阵以及复共轭矩阵对应的维度，并基于酉矩阵、对角矩阵以及复共轭矩阵对应的维度确定各自对应干涉仪阵列中干涉仪的数量。在光子计算芯片运行的过程中，通过设置好的干涉仪阵列不仅能够实现常规的卷积计算，而且还能够降低光子计算芯片的计算次数，相比现有技术，本技术实施例中光子计算芯片的计算次数为现有技术中的1/n，同时提高了光子计算芯片的计算效率。
[0092]
在本技术实施例中，该方法还可以实现其他尺寸的卷积核运算，例如n个m
×
m卷积核，则需要运行m次n
×
m维度的光子计算芯片，光子计算芯片输入的一维向量含m个元素。特殊地，当n为m的整数倍时，n
×
m维光子计算芯片分解为n/m个m
×
m维度的光子计算芯片。每个光子计算芯片的输入向量仍为m个元素，但需要使用分束器件，先将m路输入光分成2m路。
[0093]
在本技术实施例中，还可以先遍历目标输入数据图，然后再刷新卷积核。例如，当光子计算芯片加载n个卷积核的第1行权重时，设step＝1，输入向量依次为[a11，a12，a13]，[a12，a13，a14]，[a13，a14，a15]
…
[an(n-2)，an(n-1)，ann]。待输入信号遍历后，再更新光子计算芯片为n个卷积核的第2行。
[0094]
本技术实施例还提供一种电子设备，如图7所示，电子设备可以包括：处理器1501、通信接口1502、存储器1503和通信总线1504，其中，处理器1501，通信接口1502，存储器1503通过通信总线1504完成相互间的通信。
[0095]
存储器1503，用于存放计算机程序；
[0096]
处理器1501，用于执行存储器1503上所存放的计算机程序时，实现上述实施例的步骤。
[0097]
上述终端提到的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。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0098]
通信接口用于上述终端与其他设备之间的通信。
[0099]
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。
[0100]
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。
[0101]
在本技术提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的基于光子计算芯片的卷积计算方法。
[0102]
在本技术提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行下述的基于光子计算芯片的卷积计算方法，该方法包括：
[0103]
获取权重矩阵，并将权重矩阵加载至光子计算芯片中的干涉仪阵列；
[0104]
获取待处理的目标输入向量，其中，目标输入向量是从目标特征图中得到的；
[0105]
将目标输入向量输入至输入端，通过输入端利用目标输入向量进行向量-权重矩阵的线性计算，得到输出向量；
[0106]
从每个输出向量中提取属于同一行的元素进行求和，得到卷积核与目标特征图之间的卷积计算结果。
[0107]
进一步的，获取权重矩阵，包括：
[0108]
从n个m
×
m的卷积核中提取第i行参数，并基于第i行参数生成第i行参数对应的m
×
n的权重矩阵，其中，第i行参数对应的权重矩阵的数量为m；
[0109]
将第i行参数对应的权重矩阵加载至光子计算芯片的干涉仪阵列，其中，m，n，i均
为大于等于1的整数。
[0110]
进一步的，获取待处理的目标输入向量，包括：
[0111]
获取待处理的目标特征图；
[0112]
利用预设滑动窗口对目标特征图进行分析，得到m个待处理的特征行向量，其中，每个特征行向量中包括m个元素；
[0113]
提取第i行的特征行向量，将特征行向量转换为第i行对应的特征列向量，并将特征列向量确定为目标输入向量。
[0114]
进一步的，将目标输入向量输入至输入端，通过输入端利用目标输入向量进行向量-权重矩阵的线性计算，得到输出向量，包括：
[0115]
将第i行对应的特征列向量输入至输入端，以使输入端与第i行对应的权重矩阵进行线性乘法运算，得到第i行对应的输出向量；
[0116]
重复运行光子计算芯片，直至得到m个输出向量，其中，输出向量中包括n个元素。
[0117]
进一步的，从每个输出向量中提取属于同一行的元素进行求和，得到卷积核与目标特征图之间的卷积计算结果，包括：
[0118]
从m个输出向量中提取属于同一行的元素进行求和，得到m个输出向量对应的输出值；
[0119]
将m个输出向量对应的输出值确定为卷积计算结果。
[0120]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk)等。
[0121]
以上所述仅为本技术的较佳实施例而已，并非用于限定本技术的保护范围。凡在本技术的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本技术的保护范围内。
[0122]
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。