[发明专利]卷积神经网络实现方法

权利要求书

1.一种采用细胞阵列计算系统的卷积神经网络实现方法，其中细胞阵列计算系统包括主控制器、总线、由多个计算单元组成细胞阵列；其中细胞阵列的每个计算单元包括用于执行神经元的计算操作的一个或多个神经元计算器、或微处理器以及内存单元；

其特征在于，所述卷积神经网络实现方法包括：将卷积神经网络按该各层卷积神经网络的内部位置关系部署在细胞阵列的一个矩形区域里；通过细胞阵列总线广播方法逐个地把各层的每个权重发送给矩形区域中各个细胞，存入该计算单元的内存中；针对第一层卷积神经网络，接受输入进行神经元计算，将每个神经元的输出暂时保持在计算单元内；利用细胞阵列中的细胞阵列网状通信网络把这一层神经元的输出转送到预定临近区域中的需要该输出的计算单元内；使用下一层的权重和上一层神经元的输出，进行下一层卷积神经网络的计算，直到最后一层完成。

2.如权利要求1所述的卷积神经网络实现方法，其特征在于，细胞阵列网状通信网络使得细胞阵列的每个计算单元能够与相邻计算单元通信，其中每个计算单元通过细胞阵列网状通信网络把数据发送到相邻计算单元的内存单元中的特定地址，或者发送到相邻计算单元的神经元计算器。

3.如权利要求2所述的卷积神经网络实现方法，其特征在于，在细胞阵列网状通信网络中，每两个相邻计算单元之间的通信通道由一对FIFO单元组成，所述一对FIFO单元包括第一FIFO单元和第二FIFO单元；其中向两个相邻计算单元中的一个计算单元写入信息的第一FIFO单元与从两个相邻计算单元中的另一个计算单元输出信息的第二FIFO单元的操作方向相反。

4.如权利要求3所述的卷积神经网络实现方法，其特征在于，在细胞阵列网状通信网络中，每个计算单元内设有一个可以直接读写内存的网络控制器，而且计算单元内的网络控制器与计算单元内的所有FIFO单元连接。

5.如权利要求4所述的卷积神经网络实现方法，其特征在于，在第一FIFO单元向两个相邻计算单元中的一个计算单元写入信息，则网络控制器判断写入的信息的终点是否是本计算单元；而且在判断写入的信息的终点是本计算单元时，执行下述操作：在终点是相对地址时，网络控制器将信息直接存入内存单元的相应地址并用通知神经元计算器；在终点是神经元计算器时，直接通知该神经元计算器进行处理。

6.如权利要求1至5之一所述的卷积神经网络实现方法，其特征在于，所述细胞阵列总线广播方法包括：主控制器通过总线把指令和/或信息群发到一个矩形区域的计算单元中的神经元计算器中以及/或者把数据群发到一个矩形区域的计算单元中的内存单元的同一个相对地址中。

7.如权利要求6所述的卷积神经网络实现方法，其特征在于，细胞阵列的每个计算单元还包括：总线控制器以及内部总线；每个计算单元的总线控制器与所述总线连接；每个计算单元的内存单元是相应内部总线的从设备；每个计算单元的总线控制器和神经元计算器是相应内部总线的主设备，其中总线控制器具有更高的优先级。

8.如权利要求6所述的卷积神经网络实现方法，其特征在于，主控制器读写内存单元，其中主控制器在细胞阵列的总线上先广播目标地址再发送或准备读数据，总线控制器接收目标地址，如果该目标地址在计算单元中，则连接该计算单元的内存单元以执行读写操作。

9.如权利要求6所述的卷积神经网络实现方法，其特征在于，主控制器与神经元计算器通信，其中在主控制器的地址空间中预留第一预留段用于与神经元计算器的通信；第一预留段用于存储目标计算单元的识别码；总线控制器在接收目标计算单元的识别码时识别出当前通信所针对的神经元计算器，连接所针对的神经元计算器以执行后续操作。