[发明专利]深度神经网络的计算方法、装置及可读存储介质

权利要求书

1.一种深度神经网络的计算方法，其特征在于，所述方法包括以下步骤：

计算深度神经网络中各层的网络参数，将计算的各层网络参数作为各层的配置参数存入配置文件中；

在深度神经网络进行层次计算时，从所述配置文件中获取所述深度神经网络所计算到的当前层次对应的配置参数；

获取所述当前层次对应的权重数据；

根据获取的配置参数及权重数据，对所述当前层次的输入Map进行计算，获得所述当前层次的输出Map。

2.如权利要求1所述的方法，其特征在于，所述计算深度神经网络中各层的网络参数，将计算的各层网络参数作为各层的配置参数存入配置文件中之前，所述方法还包括：

将所述输入Map拆分成第一预设数量的输入子Map；

将所述输入子Map分成第二预设数量组的输入子Map；

相应地，所述根据获取的配置参数及权重数据，对所述当前层次的输入Map进行计算，获得所述当前层次的输出Map，具体包括：

根据所述获取的配置参数及权重数据，对所述当前层次的所述输入子Map按组进行计算，获得所述当前层次的输出子Map；

将所述当前层次的输出子Map拼接成所述当前层次的所述输出Map。

3.如权利要求2所述的方法，其特征在于，所述根据所述获取的配置参数及权重数据，对所述当前层次的所述输入子Map按组进行计算，获得所述当前层次的输出子Map，具体包括：

从所述第二预设数量组中选取一组作为当前组；

根据所述获取的配置参数及权重数据，对所述当前层次的所述当前组中各子Map并行计算，获得所述当前组中各子Map的所述当前层次的所述输出子Map。

4.如权利要求2所述的方法，其特征在于，所述网络参数包括：网络层数、网络层类型、卷积核的参数、卷积核尺寸、Map的尺寸、Map数量、子Map的预设输入存储地址、子Map的预设输出存储地址、激活函数、池化函数和池化尺寸中的至少一项。

5.如权利要求4所述的方法，其特征在于，所述将所述当前层次的输出子Map拼接成所述当前层次的输出Map，具体包括：

获取各输出子Map的预设输入存储地址及预设输出存储地址；

根据所述各输出子Map的预设输入存储地址及预设输出存储地址，将所述当前层次的输出子Map进行拼接，以构建成所述当前层次的所述输出Map。

6.如权利要求1～5中任一项所述的方法，其特征在于，所述在深度神经网络在进行层次计算时，从所述配置文件中获取所述深度神经网络所计算到的当前层次对应的配置参数之后，所述方法还包括：

根据所述获取的配置参数，配置所述当前层次的硬件资源。

7.如权利要求1～5中任一项所述的方法，其特征在于，所述对所述当前层次的输入Map进行计算，具体包括：对所述当前层次的输入Map进行卷积计算。

8.如权利要求1～5中任一项所述的方法，其特征在于，所述根据获取的配置参数及权重数据，对当前层次的输入Map进行计算，获得当前层次的输出Map之后，所述方法还包括：

将所述当前层次的输出Map存储至外部存储器或协处理器。

9.一种深度神经网络的计算装置，其特征在于，所述深度神经网络的计算装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的深度神经网络计算程序，所述深度神经网络计算程序配置为实现如权利要求1至8中任一项所述的深度神经网络的计算方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有深度神经网络的计算方法程序，所述深度神经网络计算程序被处理器执行时实现如权利要求1至8中任一项所述的深度神经网络的计算方法的步骤。