[发明专利]卷积处理单元、神经网络处理器、电子设备及卷积运算方法

权利要求书

1.一种卷积处理单元，其特征在于，所述卷积处理单元用于：

根据卷积核对输入数据进行一次取窗操作，得到第一窗体区域，所述第一窗体区域沿深度方向包括第一数量层的第一深度数据；

获取多个卷积核，所述多个卷积核沿深度方向包括第一数量层的第二深度数据；

将一层的所述第一深度数据与所述多个卷积核同一层的所述第二深度数据进行乘累加运算，得到第一运算数据；以及

将多层的所述第一深度数据对应的多个所述第一运算数据累加得到目标运算数据；

其中，所述输入数据的深度和所述卷积核的深度为C，所述卷积核的数量为K，所述卷积处理单元包括乘累加阵列，所述乘累加阵列为L×M，其中L为进行乘累加运算的长度，M为并行进行乘累加运算的单元数；

所述卷积处理单元还用于：

将所述输入数据在深度方向上划分为C/L层第一深度数据，以及将多个所述卷积核在深度方向上划分为C/L层第二深度数据；

将第i层所述第一深度数据与K个所述卷积核的第i层所述第二深度数据进行乘累加运算，得到K个第一中间数据；以及

递增i，得到新的K个第一中间数据，并累加之前得到的K个第一中间数据，并得到K个目标运算数据，其中，i从1递增到C/L；

或者，所述卷积处理单元还用于：

将多个所述卷积核划分为K/M个卷积核组；

将第i层所述第一深度数据与第f组中所有所述卷积核的第i层所述第二深度数据进行乘累加运算，得到M个第一中间数据；

递增i，得到新的M个第一中间数据，并累加之前得到的M个第一中间数据，并得到M个第二中间数据，其中，i从1递增到C；以及

递增f，得到新的M个第二中间数据，其中，f从1递增到K/M，得到K个目标运算数据；

或者，所述卷积处理单元还用于：

将所述输入数据在深度方向上划分为C/L层第一深度数据；

将多个所述卷积核在深度方向上划分为C/L层第二深度数据；

将多个所述卷积核还划分为K/M个卷积核组；

将第i层所述第一深度数据与第f组中所有所述卷积核的第i层所述第二深度数据进行乘累加运算，得到M个第一中间数据；

递增i，得到新的M个第一中间数据，并累加之前得到的M个第一中间数据，其中，i从1递增到C/L，并得到M个第二中间数据；以及

递增f，得到新的M个第二中间数据，其中，f从1递增到K/M，得到K个目标运算数据。

2.根据权利要求1所述的卷积处理单元，其特征在于，所述乘累加阵列的L等于M。

3.根据权利要求1或2所述的卷积处理单元，其特征在于，所述卷积处理单元还用于：

沿所述输入数据第一方向滑动取窗，并得到多个第一窗体区域，直至第一方向滑动取窗到达边界；

返回所述输入数据第一方向起点，并按照第二滑动步长沿第二方向滑动取窗，直至第二方向滑动取窗到达边界，其中，每次沿第二方向滑动一个第二滑动步长后，均沿第一方向滑动取窗，直至第一方向滑动取窗到达边界。

4.根据权利要求3所述的卷积处理单元，其特征在于，所述卷积处理单元还用于：

将一个窗体区域对应的K个所述目标运算数据传输到下一层并用于进行运算；或

将N个第一窗体区域对应的N×K个所述目标运算数据传输到下一层并用于进行运算，其中，所述N小于所述输入数据的第一窗体区域的总数量。

5.根据权利要求4所述的卷积处理单元，其特征在于，所述卷积处理单元还用于：

当待传输到下一层的所述目标运算数据与上一次传输的所述目标运算数据有重复数据时，去除重复数据得到目标数据；以及

将目标数据传输到下一层。

6.一种神经网络处理器，其特征在于，包括：

数据缓存单元，存储输入数据；

卷积处理单元，所述卷积处理单元通过所述数据缓存单元获取输入数据，所述卷积处理单元为如权利要求1-5任一项所述的卷积处理单元。