[发明专利]跨平台卷积神经网络控制系统及方法、信息数据处理终端

权利要求书

1.一种跨平台卷积神经网络控制系统，其特征在于，所述跨平台卷积神经网络控制系统包括：

卷积运算单元和池化运算单元，卷积运算单元与池化运算单元连接，通过OpenGL ES来实现gpu计算；

全连接运算单元，与池化运算单元连接，使用cpu的neon指令实现；卷积运算前需要给各个通道添加padding，将padding操作和卷积运算或者池化运算结合；

所述跨平台卷积神经网络控制方法包括以下步骤：

步骤一，计算输出的纹理尺寸，定义卷积计算中有k个卷积核，输出纹理有k个通道；输出通道平铺在输出纹理中；

步骤二，计算顶点坐标：渲染按照GL_TRIANGLES方式，每个通道包括2个三角形；

步骤三，计算shader变量：定义attribute类型变量textureCoordinate，textureCoordinate.xy为当前输出的像素坐标对应于输入纹理在通道内的卷积计算起始坐标，textureCoordinat.z为当前像素所在的输出通道；

步骤四，在fragment shader的卷积计算。

2.如权利要求1所述的跨平台卷积神经网络控制系统，其特征在于，所述步骤一中纹理尺寸：x方向和y方向通道数计算公式分别为:

floatpower＝log2(k/4)；

intc_x_count＝pow(2，ceil(power/2))；

intc_y_count＝pow(2，floor(power/2))；

定义输入纹理的每个通道的宽为c_width，高为c_height，padding尺寸为c_padding，输出纹理每个通道的padding为next_padding，当前卷积计算的下一层为池化运算，则next_padding为0，输出纹理的大小为：

intout_width＝(c_width+2*next_padding)*c_x_count；

intout_height＝(c_height+2*next_padding)*c_y_count。

3.如权利要求1所述的跨平台卷积神经网络控制系统，其特征在于，所述步骤二中计算顶点坐标对于第(xi，yi)个通道，4个顶点坐标为：

pi0_x＝-1.0+((c_width+2*next_padding)*xi+next_padding)*1.0/out_width；

pi0_y＝-1.0+((c_height+2*next_padding)*yi)*1.0/out_height；

pi1_x＝-1.0+((c_width+2*next_padding)*xi+next_padding+c_width)*1.0/out_width；

pi1_y＝-1.0+((c_height+2*next_padding)*yi+next_padding)*1.0/out_height；

pi2_x＝-1.0+((c_width+2*next_padding)*xi+next_padding)*1.0/out_width；

pi2_y＝-1.0+((c_height+2*next_padding)*yi+next_padding+c_height)*1.0/out_height；

pi3_x＝-1.0+((c_width+2*next_padding)*xi+next_padding+c_width)*1.0/out_width；

pi3_y＝-1.0+((c_height+2*next_padding)*yi+next_padding+c_height)*1.0/out_height；

顶点顺序为012123。