[发明专利]神经网络的卷积实现方法及相关产品

权利要求书

1.一种神经网络的卷积实现方法，其特征在于，所述方法包括如下步骤：

获取输入数据以及权值数据；

将所述权值数据切割成核尺寸为[n][m]的多个数据块，并将每个数据块拟合成核尺寸为[A][B]的X个卷积核；以及将每个卷积核与所述输入数据执行卷积运算得到中间结果，将所有的中间结果进行处理得到卷积结果；

其中，A小于或等于n，B小于或等于m，A、B、m、n及X均为大于或等于1的整数；

所述将每个数据块拟合成核尺寸为[A][B]的X个卷积核包括：

如果每个数据块不能切割成整数个核尺寸为[A][B]的卷积核，则对每个数据块的边缘补零，补零之后的数据块的核尺寸为[n+b][m+c]，然后将核尺寸为[n+b][m+c]的数据块切割成核尺寸为[A][B]的X个卷积核，其中b、c均为大于或等于0的整数；或者，

如果每个数据块不能切割成整数个核尺寸为[A][B]的卷积核，则将每个数据块切割成核尺寸等于[A][B]的E个卷积核以及核尺寸小于[A][B]的F个卷积核，对F个卷积核的边缘补零，补零之后的F个卷积核的核尺寸为[A][B]，其中，E+F＝X，E和F均为大于或等于零的整数。

2.根据权利要求1所述的方法，其特征在于，

所述核尺寸[A][B]具体包括：核尺寸[2][2]、核尺寸[3][3]或核尺寸[5][5]。

3.一种神经网络芯片，其特征在于，

所述神经网络芯片，用于获取输入数据以及权值数据；

所述神经网络芯片，用于将所述权值数据切割成核尺寸为[n][m]的多个数据块，并将每个数据块拟合成核尺寸为[A][B]的X个卷积核；以及将每个卷积核与所述输入数据执行卷积运算得到中间结果，将所有的中间结果进行处理得到卷积结果；

其中，A小于或等于n，B小于或等于m，A、B、m、n及X均为大于或等于1的整数；

所述神经网络芯片，还用于在每个数据块不能切割成整数个核尺寸为[A][B]的卷积核时，对每个数据块的边缘补零，补零之后的数据块的核尺寸为[n+b][m+c]，然后将核尺寸为[n+b][m+c]的数据块切割成核尺寸为[A][B]的X个卷积核，其中b、c均为大于或等于0的整数；

所述神经网络芯片，还用于在每个数据块不能切割成整数个核尺寸为[A][B]的卷积核时，将每个数据块切割成核尺寸等于[A][B]的E个卷积核以及核尺寸小于[A][B]的F个卷积核，对F个卷积核的边缘补零，补零之后的F个卷积核的核尺寸为[A][B]，其中，E+F＝X，E和F均为大于或等于零的整数。

4.根据权利要求3所述的神经网络芯片，其特征在于，

所述核尺寸[A][B]具体包括：核尺寸[2][2]、核尺寸[3][3]或核尺寸[5][5]。

5.一种电子装置，其特征在于，所述电子装置包括如权利要求3或4中任意一项所述的神经网络芯片。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1或2中任意一项所述的方法。