[发明专利]一种卷积神经网络池化计算方法、系统、及存储介质

权利要求书

1.一种卷积神经网络池化计算方法，其特征在于，包括：

接收来自卷积层输出的一维行向量形式的数据输入并存储到池化计算单元；

建立行池化缓存，从行向量输入数据中读取每次行池化计算的数据，并基于行向量滑窗依次对每个行向量输入数据进行行池化计算，以得到行池化输出数据存入所述行池化缓存；

响应于所述行池化缓存中的行池化输出数据满足列池化计算的所需数据大小，从所述行池化缓存中读取每次列池化计算的数据，并基于列向量滑窗依次对所述行池化输出数据进行列池化计算，以得到列池化输出数据。

2.根据权利要求1所述的方法，其特征在于，接收来自卷积层输出的一维行向量形式的数据输入并存储到池化计算单元，还包括：

建立边缘数据缓存，将行向量输入数据的边缘数据存储到所述边缘数据缓存。

3.根据权利要求2所述的方法，其特征在于，从行向量输入数据中读取每次行池化计算的数据，还包括：

响应于本次行池化计算读取的数据包含上一个行向量输入数据的边缘数据，则从所述边缘数据缓存读取本次池化计算的边缘数据。

4.根据权利要求3所述的方法，其特征在于，还包括：

响应于上一个行向量输入数据的边缘数据被计算完成，将本次行池化计算所在的行向量输入数据的边缘数据存入边缘数据缓存。

5.根据权利要求1所述的方法，其特征在于，从所述行池化输出数据中读取每次列池化计算的数据，包括：

从所述行池化输出数据中读取每次列池化计算的行池化输出数据并以输入特征图的形式存入行池化缓存。

6.根据权利要求5所述的方法，其特征在于，基于列向量滑窗依次对所述行池化输出数据进行列池化计算，以得到列池化输出数据，包括：

响应于读取的所述行池化输出数据的数量达到预设行输入特征图数据的数量，基于所述列向量滑窗对本次读取的数据与行池化缓存中的数据进行列池化计算，以得到本次列池化输出数据。

7.根据权利要求6所述的方法，其特征在于，响应于读取的所述行池化输出数据的数量达到预设行输入特征图数据的数量，基于所述列向量滑窗对本次读取的数据与行池化缓存中的数据进行列池化计算，以得到本次列池化输出数据，还包括：

将本次列池化计算的行池化输出数据存入所述行池化缓存以进行下一次列池化计算并得到下一次列池化计算输出数据。

8.一种卷积神经网络池化计算系统，其特征在于，包括：

输入模块，所述输入模块配置为接收来自卷积层输出的一维行向量形式的数据输入并存储到池化计算单元；

行池化计算模块，所述行池化计算模块配置为建立行池化缓存，从行向量输入数据中读取每次行池化计算的数据，并基于行向量滑窗依次对每个行向量输入数据进行行池化计算，以得到行池化输出数据存入所述行池化缓存；

列池化计算模块，所述列池化计算模块配置为响应于所述行池化缓存中的行池化输出数据满足列池化计算的所需数据大小，从所述行池化缓存中读取每次列池化计算的数据，并基于列向量滑窗依次对所述行池化输出数据进行列池化计算，以得到列池化输出数据。

9.一种计算机设备，包括：

至少一个处理器；以及

存储器，所述存储器存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时执行如权利要求1-7任意一项所述的方法的步骤。

10.一种计算机存储介质，所述计算机存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时执行如权利要求1-7任意一项所述的方法的步骤。