[发明专利]复数神经网络的一维卷积加速装置及方法

权利要求书

1.复数神经网络的一维卷积加速装置，其特征在于，包括加速装置模块和外部存储模块，所述加速装置模块(100)包括复数计算单元(140)和缓冲计算单元，所述缓冲计算单元包括一维卷积计算单元(110)、权重缓冲(120)和特征图缓冲(130)；

所述外部存储模块(200)包括用于输入权重数据的权重存储区(210)，用于输入特征图数据的输入特征图存储区(220)和输出特征图存储区(230)；

所述权重缓冲(120)和权重存储区(210)总线连接，特征图缓冲和输入特征图存储区(220)总线连接；

所述一维卷积计算单元(110)用于从权重缓冲(120)和特征图缓冲(130)读取数据并分别进行计算，计算结果输出至复数计算单元；

所述复数计算单元(140)用于分别计算实部和虚部并将结果输出至输出特征图存储区(230)。

2.根据权利要求1所述的复数神经网络的一维卷积加速装置，其特征在于：所述一维卷积计算单元(110)包括控制单元(111)、卷积核单元(112)、行缓冲单元(113)、并行乘法单元(114)和部分结果缓冲单元(115)；

所述控制单元(111)用于控制卷积核单元(112)、行缓冲单元(113)和部分结果缓冲单元(115)；

所述卷积核单元(112)用于从权重缓冲(120)读取数据；

所述行缓冲单元(113)用于从特征图缓冲(130)读取数据；

所述并行乘法单元(114)从卷积核单元(112)和行缓冲单元(113)读取数据并进行计算；

所述部分结果缓冲单元(115)保存并行乘法单元(114)的计算结果，并将结果输出至复数计算单元(140)。

3.根据权利要求1所述的复数神经网络的一维卷积加速装置，其特征在于：

所述复数计算单元(140)包括实部计算单元(141)、虚部计算单元(142)和结果选择单元(143)；

所述实部计算单元(141)输入一维卷积计算单元(110)计算结果，并计算之后输出至结果选择单元(143)；

所述虚部计算单元(142)输入一维卷积计算单元(110)计算结果，并计算之后输出至结果选择单元(143)；

所述结果选择单元(143)还接收一维卷积计算单元(110)的计算值，并计算将结果输出至输出特征图存储区(230)。

4.根据权利要求1-3任一所述的复数神经网络的一维卷积加速装置，其特征在于：所述卷积核单元(112)和行缓冲单元(113)包括L个独立的寄存器，分别用于存储L个卷积核数据和L个特征图数据；所述并行乘法单元(114)包括L个独立并行的乘法器，其中，L为行缓冲长度。

5.复数神经网络的一维卷积加速方法，其特征在于，包括以下步骤：

S100，基于权利要求1-4任一所述的复数神经网络的一维卷积加速装置，权重数据和输入特征图数据分别从权重存储区(210)、输入特征图存储区(220)传输到权重缓冲(120)、特征图缓冲(130)；

S200，一维卷积计算单元(110)分别从与其相连的权重缓冲(120)、特征图缓冲(130)中读取数据进行计算；

S300，一维卷积计算单元(110)将S200的计算结果传输到复数计算单元(140)；

S400，复数计算单元(140)计算后将结果输出特征图存储区(230)。

6.根据权利要求5所述的一维卷积加速方法，其特征在于：S200具体包括，

S210，控制单元(111)控制卷积核单元(112)与行缓冲单元(113)的取数逻辑、部分结果缓冲单元(115)将结果传输至复数计算单元；

S220，卷积核单元(112)从权重缓冲(120)中读取权重数据；

S230，行缓冲单元(113)从特征图缓冲(130)中读取特征图数据；

S240，并行乘法单元(114)分别从卷积核单元(112)和行缓冲单元(113)中读取L个数据进行L次乘法计算，其中L为行缓冲长度；

S250，部分结果缓冲单元(115)保存并行乘法单元(114)的计算结果，并将最终计算结果传输至复数计算单元(140)。