[发明专利]一种神经网络训练方法和装置

权利要求书

1.一种神经网络训练方法，其特征在于，应用于阻变存储器(Resistive RandomAccess Memory，RRAM)上，所述方法包括：

将神经网络中第r层的神经元输入值r_i1、r_i2……r_in输入到所述RRAM中，根据所述RRAM中的过滤器(filter)对所述神经元输入值r_i1、r_i2……r_in进行计算，得到所述神经网络中第r层的神经元输出值r_o1、r_o2……r_om，其中，n为大于0的正整数，m为大于0的正整数；

根据所述RRAM的核值、所述神经网络中第r层的神经元输入值r_i1、r_i2……r_in、所述神经网络中第r层的神经元输出值r_o1、r_o2……r_om以及所述神经网络中第r层的反向传播误差值B₁、B₂……B_m进行计算，得到所述神经网络中第r层的反向传播更新值C₁、C₂……C_m；其中，所述RRAM的核值为所述RRAM中的过滤器的矩阵值，所述神经网络中第r层的反向传播误差值B₁、B₂……B_m是根据所述神经网络第r层的神经元输出值r_o1、r_o2……r_om和所述神经网络第r层的神经元参考输出值r_t1、r_t2……r_tm得到的；

将所述神经网络中第r层的反向传播更新值C₁、C₂……C_m与预设阈值进行比较，当所述神经网络中第r层的反向传播更新值C₁、C₂……C_m大于所述预设阈值，则

根据所述神经网络中第r层的反向传播更新值C₁、C₂……C_m对所述RRAM中的过滤器进行更新。

2.如权利要求1所述的方法，其特征在于，所述预设阈值为静态阈值或动态阈值；当所述预设阈值为静态阈值时，所述神经网络中所有层级的预设阈值的值相同，当所述预设阈值为动态阈值时，所述神经网络中不同层级的预设阈值的值不同或部分不同。

3.如权利要求1或2所述的方法，其特征在于，对所述RRAM进行错误测试，输出所述RRAM的硬错误分布图，根据所述RRAM的硬错误分布图对所述神经网络进行数据重排。

4.如权利要求3所述的方法，其特征在于，所述根据所述RRAM的硬错误分布图对所述神经网络进行数据重排包括：将所述神经网络的稀疏数据排布到所述RRAM上恒为0的硬错误区域。

5.如权利要求3所述的方法，其特征在于，所述对所述RRAM进行错误测试，输出所述RRAM的硬错误分布图包括：

对所述RRAM中各个单元分别写入测试值，将所述各个单元的测试值与所述各个单元的实际读出值分别进行比较，得到所述RRAM中各个单元的硬错误情况，所述RRAM中各个单元的硬错误情况构成所述RRAM的硬错误分布图。