[发明专利]神经网络中的卷积计算方法和电子设备

权利要求书

1.一种神经网络中的卷积计算方法，包括：

根据输入特征图、逐层卷积核、和逐点卷积核进行逐层卷积计算和逐点卷积计算，以得到所述输入特征图的第一预定数目p个点在所有逐点卷积输出通道上的输出特征值，所述第一预定数目p是根据所述输入特征图的宽高维度和输入通道数维度中的至少一个确定的；以及

重复上述操作，以得到所有点在所有逐点卷积输出通道上的输出特征值；

其中，根据输入特征图、逐层卷积核、和逐点卷积核进行逐层卷积计算和逐点卷积计算，以得到所述输入特征图的第一预定数目p个点在所有逐点卷积输出通道上的输出特征值包括：

根据所述输入特征图和所述逐层卷积核进行逐层卷积计算，以得到第一预定数目p个点在第二预定数目m个逐层卷积输出通道上的中间特征值；

根据所述第一预定数目p个点在所述第二预定数目m个逐层卷积输出通道上的中间特征值和逐点卷积核进行逐点卷积计算，以得到第一预定数目p个点在所有逐点卷积输出通道上的本次逐点卷积部分和；

分别将所述第一预定数目p个点在所有逐点卷积输出通道上的本次逐点卷积部分和与所述第一预定数目p个点的前次累加计算结果进行累加计算，以生成所述第一预定数目p个点的本次累加计算结果；以及

重复上述操作，根据所述第一预定数目p个点在接下来的第二预定数目m个逐层卷积输出通道上的中间特征值和逐点卷积核进行逐点卷积计算，并相应地执行后续操作，直到所述第一预定数目p个点在所有逐层卷积输出通道上的中间特征值都完成逐点卷积计算和累加计算为止，所述第一预定数目p个点的最终累加计算结果为所述第一预定数目p个点在所有逐点卷积输出通道上的输出特征值。

2.如权利要求1所述的方法，其中，所述第二预定数目m是根据逐层卷积计算单元的数目和所述第一预定数目p来确定的。

3.如权利要求1所述的方法，其中，根据所述输入特征图和所述逐层卷积核进行逐层卷积计算，以得到第一预定数目p个点在第二预定数目m个逐层卷积输出通道上的中间特征值包括：

从所述输入特征图中读取第一预定数目p组点在第二预定数目m个输入通道上的输入特征值；

与所述第一预定数目p组点在所述第二预定数目m个输入通道上的输入特征值对应地，读取对应的第二预定数目m个逐层卷积核中的权重值；以及

分别对所述第一预定数目p组点在所述第二预定数目m个输入通道上的输入特征值与对应的第二预定数目m个逐层卷积核中的权重值进行逐层卷积计算，以得到与所述第一预定数目p组点分别对应的所述第一预定数目p个点在所述第二预定数目m个逐层卷积输出通道上的中间特征值。

4.如权利要求3所述的方法，其中，从所述输入特征图中读取第一预定数目p组点在第二预定数目m个输入通道上的输入特征值包括：

以逐层卷积核中的权重值的宽高为一组点的宽高、以所述逐层卷积计算的步长为两组点之间的读取步长，从所述输入特征图中读取所述第一预定数目p组点在所述第二预定数目m个输入通道上的输入特征值。

5.如权利要求3所述的方法，其中，分别对所述第一预定数目p组点在所述第二预定数目m个输入通道上的输入特征值与对应的第二预定数目m个逐层卷积核中的权重值进行逐层卷积计算，以得到与所述第一预定数目p组点分别对应的所述第一预定数目p个点在所述第二预定数目m个逐层卷积输出通道上的中间特征值包括：

针对所述第一预定数目p组点中的每组点，执行以下操作：

分别对该组点中的一个点在所述第二预定数目m个输入通道上的输入特征值与对应的第二预定数目m个逐层卷积核中的相应一个权重值进行乘法计算，以得到该组点的本次乘法计算结果；

分别将该组点的本次乘法计算结果与该组点的前次乘法计算结果进行累加计算，以生成该组点的本次累加计算结果；以及

重复上述操作，分别对该组点中的下一个点在所述第二预定数目m个输入通道上的输入特征值与对应的第二预定数目m个逐层卷积核中的相应下一个权重值进行乘法计算并相应地执行后续操作，直到该组点中的所有点在所述第二预定数目m个输入通道上的输入特征值都完成乘法计算和累加计算为止，该组点的最终累加计算结果为与该组点对应的一个点在所述第二预定数目m个逐层卷积输出通道上的中间特征值。