[发明专利]一种基于ResNet50网络的AI加速卡仿真测试系统及其工作方法

权利要求书

1.一种基于ResNet50网络的AI加速卡仿真测试系统，其特征在于，所述仿真测试系统包括：

卷积模块，用于根据量化后的数据，按照不同的卷积核进行卷积计算；

激活模块，用于利用ReLU函数进行激活操作；

池化模块，用于根据相应的下采样方法对数据进行降维；

残差模块，用于将branch分支的输入数据和残差数据进行两两加和，获取输出数据，所述branch分支用于组成res；

全连接模块，用于对输入层神经元和输出层神经元建立权重连接；

softmax模块，用于将多个神经元的输出映射到(0,1)区间内，并在(0,1)区间内利用公式进行多分类，其中，其中，o₁,o₂,o₃表示多个神经元；

量化模块，用于对卷积计算后的int32数据进行量化，获取量化后的数据；

其中，所述卷积模块包括：

数据获取单元，用于获取量化后的FeatureMap数据、weights数据、biase数据和量化参数数据；

第一判断单元，用于判断weights数据是否为7*7的卷积核；

拆分单元，用于当weights数据为7*7的卷积核时，将所述7*7的卷积核拆分成3*3的卷积核，并将第一FeatureMap数据拆分成第二FeatureMap数据，所述第一FeatureMap数据为所述7*7的卷积核所匹配的FeatureMap数据，所述第二FeatureMap数据为与3*3的卷积核padding尺寸相匹配的FeatureMap数据；

第二判断单元，用于当weights数据不为7*7的卷积核时，判断weights数据是否为3*3的卷积核；

重排序单元，用于当weights数据为3*3的卷积核时，将所述3*3的卷积核数据重排序为9*9的数据，以及将第二FeatureMap数据的相应区域重排序为9*9的数据；

脉动阵列计算单元，用于将所述9*9的数据进行脉动阵列计算；

第三判断单元，用于当weights数据不为3*3的卷积核时，判断weights数据是否为1*1的卷积核；

所述重排序单元，还用于当weights数据为1*1的卷积核时，将所述1*1的卷积核数据重排序为9*9的数据；

计算单元，用于对重排序后的3*3卷积核数据进行卷积计算，获取输入通道上FeatureMap数据，所述FeatureMap数据的数据格式为int32；

累加单元，用于对输入通道上的FeatureMap数据进行累加，获取输出通道上的FeatureMap数据。

2.根据权利要求1所述的一种基于ResNet50网络的AI加速卡仿真测试系统，其特征在于，所述池化模块具体为最大值下采样池化单元或平均值下采样单元；

所述最大值下采样池化单元，用于选择窗口中最大值作为下采样输出结果；

所述平均值下采样单元，用于统计选择窗口中的数据，计算平均值作为下采样的输出结果。

3.根据权利要求1或2所述的一种基于ResNet50网络的AI加速卡仿真测试系统，其特征在于，所述量化后的数据为：int8数据，float16数据或者int4数据。