[发明专利]一种卷积神经网络的计算方法及系统

权利要求书

1.一种卷积神经网络的计算方法，其特征在于，包括：

获取目标卷积神经网络中所有卷积层对应的配置参数，对于任意一个卷积层，根据该卷积层对应的配置参数在知识库中查找该卷积层对应的最佳卷积策略组合；

若所述知识库中不存在所述最佳卷积策略组合，则将该卷积层分解成多个卷积阶段，对于任意一个卷积阶段，获取该卷积阶段对应的多个候选卷积策略，从所有所述候选卷积策略中筛选出该卷积阶段对应的最佳卷积策略；

将所有所述卷积阶段对应的最佳卷积策略进行组合，获得该卷积层对应的最佳卷积策略组合，以使得所述目标卷积神经网络中的所有卷积层根据各自对应的最佳卷积策略组合进行卷积计算；

所述配置参数包含batch size、input channel、卷积核个数、卷积窗口的长和宽、输入图片的长和宽以及卷积步长。

2.根据权利要求1所述的方法，其特征在于，所述根据该卷积层对应的配置参数在知识库中查找该卷积层对应的最佳卷积策略组合，之后还包括：

若所述知识库中存在所述最佳卷积策略组合，则从所述知识库中获取所述最佳卷积策略组合，以使得该卷积层根据所述最佳卷积策略组合进行卷积计算。

3.根据权利要求1所述的方法，其特征在于，所述获取该卷积阶段对应的多个候选卷积策略，具体为：

选取已有的卷积策略进行实例化，获得该卷积阶段对应的多个候选卷积策略。

4.根据权利要求1所述的方法，其特征在于，所述从所有所述候选卷积策略中筛选出该卷积阶段对应的最佳卷积策略，具体为：

测试所有所述候选卷积策略的可用性，从所有所述候选卷积策略中筛选出有效卷积策略；

测试所有所述有效卷积策略对应的运行时间，将最短运行时间对应的有效卷积策略确定为该卷积阶段对应的最佳卷积策略。

5.根据权利要求1所述的方法，其特征在于，所述获得该卷积层对应的最佳卷积策略组合，之后还包括：

将该卷积层对应的配置参数与该卷积层对应的最佳卷积策略组合关联存储至所述知识库。

6.根据权利要求1所述的方法，其特征在于，所述从所有所述候选卷积策略中筛选出该卷积阶段对应的最佳卷积策略，之后还包括：

利用该卷积阶段对应的接口函数，从预先封装好的候选卷积策略中调用该卷积阶段对应的最佳卷积策略。

7.一种卷积神经网络的计算系统，其特征在于，包括：

卷积策略查找模块，用于获取目标卷积神经网络中所有卷积层对应的配置参数，对于任意一个卷积层，根据该卷积层对应的配置参数在知识库中查找该卷积层对应的最佳卷积策略组合；

卷积策略筛选模块，用于若所述知识库中不存在所述最佳卷积策略组合，则将该卷积层分解成多个卷积阶段，对于任意一个卷积阶段，获取该卷积阶段对应的多个候选卷积策略，从所有所述候选卷积策略中筛选出该卷积阶段对应的最佳卷积策略；

卷积计算模块，用于将所有所述卷积阶段对应的最佳卷积策略进行组合，获得该卷积层对应的最佳卷积策略组合，以使得所述目标卷积神经网络中的所有卷积层根据各自对应的最佳卷积策略组合进行卷积计算；

所述配置参数包含batch size、input channel、卷积核个数、卷积窗口的长和宽、输入图片的长和宽以及卷积步长。

8.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至6任一所述的方法。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至6任一所述的方法。