[发明专利]卷积神经网络的卷积实现方法及相关产品

权利要求书

1.一种卷积神经网络芯片，其特征在于，所述卷积神经网络芯片包括：存储器、数据读取电路、控制电路和卷积计算电路，其中，

所述存储器，用于存储输入数据[H][CI][W]、输出结果[H-2][CO][W-2]和卷积核[CI][CO][n][n]；

控制电路，用于将输入数据[H][CI][W]在H方向上切割成m个输入子块，将卷积核[CI][CO][n][n]沿CI方向切割成CO个Kernel[n][n]；所述控制电路，具体还用于若W的数值大于设定阈值，将所述输入子块在W方向上切割成g个输入子块；

数据读取电路，用于读取CO个Kernel[n][n]中的第一Kernel[n][n]，对第一Kernel[n][n]的最后添加y列零得到Kernel[n][n+y]，提取所述第一Kernel[n][n+y]，以及所述第一Kernel[n][n+y]对应的输入数据；

卷积计算电路，用于对所述第一Kernel[n][n+y]以及所述第一Kernel[n][n+y]对应输入子块执行卷积运算得到运算结果；

所述n的取值范围为大于等于1的整数，所述m的取值范围为大于等于2的整数，所述CI、H、W、CO的取值范围均为大于等于3的整数。

2.根据权利要求1所述的卷积神经网络芯片，其特征在于，

所述控制电路，具体用于如n＝1，将输入数据[H][CI][W]沿H方向切割成m个输入子块，所述m＝H/4，每次切割沿H方向移动4行，所述输入子块的尺寸为H方向4行数据；

如n＝3，m＝H/2,每次切割沿H方向移动2行，所述输入子块的尺寸为H方向4行数据；

如n3，m＝H/1,每次切割沿H方向移动1行，所述输入子块的尺寸为H方向n行数据。

3.根据权利要求1所述的卷积神经网络芯片，其特征在于，

所述数据读取电路，还用于每读取CO个Kernel[n][n]中的一个Kernel[n][n]，将Kernel[n][n]的最后添加y列零得到Kernel[n][n+y]，以及该Kernel[n][n+y]对应的输入数据发送给卷积计算电路；

卷积计算电路，还用于每接收到Kernel[n][n+y]以及该Kernel[n][n+y]对应的输入数据执行一次卷积运算得到一个运算结果，执行CI*CO次卷积运算得到CI*CO个运算结果，将CI*CO个运算结果进行运算得到卷积计算的输出结果[H-2][CO][W-2]。

4.一种卷积神经网络的卷积实现方法，其特征在于，所述方法包括如下步骤：

将卷积的输入数据[H][CI][W]在H方向上切割成m个输入子块，将卷积的卷积核[CI][CO][n][n]沿CI方向切割成CO个Kernel[n][n]，若W的数值大于设定阈值，将所述输入子块在W方向上切割成g个输入子块；

读取第一Kernel[n][n]，对第一Kernel[n][n]的最后添加y列零得到Kernel[n][n+y]，提取所述第一Kernel[n][n+y]以及所述第一Kernel[n][n+y]对应的输入子块；

对所述第一Kernel[n][n+y]以及所述第一Kernel[n][n+y]对应输入子块执行卷积运算得到运算结果；

所述n的取值范围为大于等于1的整数，所述m的取值范围为大于等于2的整数，所述CI、H、W、CO的取值范围均为大于等于3的整数。

5.根据权利要求4所述的方法，其特征在于，所述将卷积的输入数据[H][CI][W]在H方向上切割成m个输入子块，包括：

如n＝1，将输入数据[H][CI][W]沿H方向切割成m个输入子块，所述m＝H/4，每次切割沿H方向移动4行，所述输入子块的尺寸为H方向4行数据；

如n＝3，m＝H/2,每次切割沿H方向移动2行，所述输入子块的尺寸为H方向4行数据；

如n3，m＝H/1,每次切割沿H方向移动1行，所述输入子块的尺寸为H方向n行数据。