技术特征：
1.一种流式数据处理的方法，其特征在于，所述方法包括：获取预设时间段内的流式数据，根据所述流式数据的时间轴，将所述流式数据分割成多个数据块，其中，所述数据块与所述时间轴上的时间间隔对应；通过卷积神经网络对所述数据块进行计算，所述卷积神经网络包括多个计算块，在第一时间间隔中，所述卷积神经网络的第一计算块对所述第一时间间隔中的所述数据块进行计算和分类，得到第一识别结果，并将所述第一识别结果进行缓存；在第二时间间隔中，所述卷积神经网络的第二计算块对第二时间间隔中的所述数据块进行计算，得到第二计算结果，所述第二计算块获取所述第一识别结果的缓存，将所述第一识别结果与所述第二计算结果进行分类，得到第二识别结果。2.根据权利要求1所述的方法，其特征在于，所述第一计算块和所述第二计算块，均与所述时间轴上的时间间隔对应。3.根据权利要求1所述的方法，其特征在于，在所述得到第二识别结果之后，所述方法还包括：将所述第二识别结果缓存在先入先出存储器中。4.根据权利要求1所述的方法，其特征在于，所述对所述第一时间间隔中的所述数据块进行计算和分类包括：在所述流式数据为音频数据的情况下，提取所述音频数据的音频特征，根据所述音频特征识别所述音频数据的声纹；根据所述声纹，对所述音频数据进行分类识别。5.根据权利要求1所述的方法，其特征在于，所述对所述第一时间间隔中的所述数据块进行计算和分类还包括：在所述流式数据为视频数据的情况下，对所述视频数据的视频帧进行图像识别，提取所述视频帧的特征向量，根据所述特征向量对所述视频帧进行分类识别。6.一种音频数据处理的装置，其特征在于，所述装置包括麦克风和微处理器；所述麦克风获取预设时间段内的音频数据，所述微处理器根据所述音频数据的时间轴，将所述音频数据分割成多个数据块，其中，所述数据块与所述时间轴上的时间间隔对应；所述微处理器在第一时间间隔中，对所述第一时间间隔中的所述数据块进行计算和分类，得到第一识别结果，并将所述第一识别结果缓存至先入先出存储器，所述微处理器在第二时间间隔中，对所述第二时间间隔中的所述数据块进行计算，得到第二计算结果，所述微处理器获取所述第一识别结果的缓存，将所述第一识别结果与所述第二计算结果进行分类和识别，得到第二识别结果。7.根据权利要求6所述的装置，其特征在于，所述微处理器包括卷积神经网络，所述卷积神经网络对所述时间间隔中的所述数据块进行计算和分类，其中，所述卷积神经网络包括多个计算块，所述计算块与所述时间轴上的时间间隔对应。8.一种流式数据处理的半导体芯片，其特征在于，所述芯片包括神经网络加速器：所述半导体芯片的接收器获取预设时间段内的流式数据，所述神经网络加速器根据所述流式数据的时间轴，将所述流式数据分割成多个数据块，其中，所述数据块与所述时间轴上的时间间隔对应；
所述神经网络加速器在第一时间间隔中，通过卷积神经网络的第一计算块对所述第一时间间隔中的所述数据块进行计算和分类，得到第一识别结果，并将所述第一识别结果进行缓存；所述神经网络加速器在第二时间间隔中，通过所述卷积神经网络的第二计算块对第二时间间隔中的所述数据块进行计算，得到第二计算结果，所述神经网络加速器获取所述第一识别结果的缓存，将所述第一识别结果与所述第二计算结果进行分类，得到第二识别结果。9.根据权利要求8所述的半导体芯片，其特征在于，在所述神经网络加速器中，所述卷积神经网络的所述第一计算块和所述第二计算块，均与所述时间轴上的时间间隔对应。10.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述方法的步骤。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任一项所述方法的步骤。
技术总结
本申请涉及一种流式数据处理的方法、装置、半导体芯片和计算机设备，其中，流式数据处理的方法包括：根据流式数据的时间轴，将流式数据分成多个数据块，其中，数据块与时间轴上的时间间隔对应，在第一时间间隔中，第一计算块对第一时间间隔中的数据块进行计算和分类，得到第一识别结果，并将第一识别结果进行缓存，在第二时间间隔中，第二计算块对第二时间间隔中的数据块进行计算，得到第二计算结果，第二计算块获取第一识别结果的缓存，将第一识别结果与第二计算结果进行分类，得到第二识别结果，解决了智能设备对流式数据处理的重复计算率高，导致智能设备的功耗大、成本高的问题，减少了对流式数据的重复计算率，提高了计算效率，降低了成本。降低了成本。降低了成本。
技术研发人员：朱夏宁
受保护的技术使用者：杭州智芯科微电子科技有限公司
技术研发日：2020.04.22
技术公布日：2021/10/22