[发明专利]卷积神经网络加速方法及装置有效
| 申请号： | 201810028998.4 | 申请日： | 2018-01-12 |
| 公开（公告）号： | CN108133270B | 公开（公告）日： | 2020-08-04 |
| 发明（设计）人： | 季向阳;连晓聪 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063;G06N3/04;G06N3/08 |
| 代理公司： | 北京林达刘知识产权代理事务所(普通合伙) 11277 | 代理人： | 刘新宇 |
| 地址： | 100084*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开涉及一种卷积神经网络加速方法及装置，所述方法包括：读取卷积层的输入特征图；将所述输入特征图输入卷积层的处理阵列组中，根据第一参考像素向量、第二参考像素向量、卷积核权值和已完成的输入通道的数据，利用部分传播乘加器进行卷积乘加操作，得到处理阵列组的输出结果；根据所述处理阵列组的输出结果得到卷积层的输出特征图；将卷积层最后一层的输出特征图写入全连接层的输入缓存；全连接层根据所述卷积层最后一层的输出特征图执行乘加操作，得到全连接层的输出特征向量；将所述全连接层最后一层的输出特征向量输出到第一存储器的第四分块中。本公开有效降低了硬件资源和功耗，提高了卷积神经网络的处理速度。 | ||
| 搜索关键词： | 卷积 神经网络 加速 方法 装置 | ||
【主权项】：
一种卷积神经网络加速方法，其特征在于，所述方法包括：读取卷积层的输入特征图；将所述输入特征图输入卷积层的处理阵列组中，根据第一参考像素向量、第二参考像素向量、卷积核权值和已完成的输入通道的数据，利用部分传播乘加器进行卷积乘加操作，得到处理阵列组的输出结果，其中，所述处理阵列组包括多个处理阵列，所述处理阵列包括三个行处理阵列，卷积窗的行数为M，第一参考像素向量取卷积窗的前M‑N行，第二参考像素向量取卷积窗的最后N行，M和N均为正整数，且M>N；根据所述处理阵列组的输出结果得到卷积层的输出特征图；将卷积层最后一层的输出特征图写入全连接层的输入缓存；全连接层根据所述卷积层最后一层的输出特征图执行乘加操作，得到全连接层的输出特征向量；将所述全连接层最后一层的输出特征向量输出到第一存储器的第四分块中。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810028998.4/，转载请声明来源钻瓜专利网。
