[发明专利]卷积神经网络的运算装置及方法

权利要求书

1.一种卷积神经网络的运算方法，包括：

对多个输入数据进行加法运算以输出累加数据；

对所述累加数据进行位元移位运算以输出移位数据；以及

对所述移位数据进行加权运算以输出加权数据，其中所述加权运算的因子依据所述输入数据的数量、所述位元移位运算中向右移位的位元数量以及卷积神经网络的后续层的缩放权值而定。

2.如权利要求1所述的方法，其中所述加权运算的所述因子随所述缩放权值以及所述位元移位运算中向右移位的位元数量呈正比，所述加权运算的所述因子随所述输入数据的数量呈反比，所述加权数据等于所述移位数据乘以所述因子。

3.如权利要求1所述的方法，其中所述位元移位运算中向右移位的位元数量依据池化窗的规模而定，所述输入数据的数量依据所述池化窗的规模而定。

4.如权利要求1所述的方法，其中所述后续层为卷积神经网络的次一层卷积层，所述缩放权值为所述次一层卷积层的滤波器系数，所述加法运算以及所述位元移位运算是卷积神经网络的池化层中的运算。

5.如权利要求4所述的方法，其中所述池化层中的除法运算整合在所述次一层卷积层的乘法运算中进行。

6.一种卷积神经网络的运算方法，包括：

在池化层中对多个输入数据进行加法运算以输出累加数据；以及

在后续层中对所述累加数据进行加权运算以输出加权数据，其中所述加权运算的因子依据所述输入数据的数量以及所述后续层的缩放权值而定，所述加权数据等于所述累加数据乘以所述因子。

7.如权利要求6所述的方法，其中所述后续层为次一层卷积层，所述缩放权值为滤波器系数，所述加权运算为卷积运算，所述加权运算的所述因子等于所述滤波器系数除以所述输入数据的数量。

8.如权利要求6所述的方法，其中所述输入数据的数量依据所述池化窗的规模而定。

9.一种卷积神经网络的运算方法，包括：

将缩放权值与原始滤波器系数相乘以产生加权后滤波器系数；以及

在卷积层对输入数据以及所述加权后滤波器系数进行卷积运算。

10.如权利要求9所述的方法，其中该方法还包括：

对输入数据进行位元移位运算；以及

将位元移位运算后的输入数据输入至所述卷积层，

其中，缩放权值依据原始缩放权值以及位元移位运算中向右移位的位元数量而定。

11.一种卷积神经网络的运算装置，进行如权利要求1至10其中一项所述的方法。