[发明专利]执行解卷积的神经网络的方法和装置

权利要求书

1.一种神经网络装置，所述装置包括：

存储器，被配置为存储第一内核；以及

处理器，被配置为：

从所述存储器获取所述第一内核；

通过调整包括在所述第一内核中的矩阵元素的排列来计算第二内核；

通过划分所述第二内核来生成子内核；

使用卷积运算符来执行输入特征映射与所述子内核之间的卷积操作；并且

通过合并所述卷积操作的结果来生成输出特征映射作为所述输入特征映射的解卷积。

2.根据权利要求1所述的装置，其中，所述处理器还被配置为：

从所述存储器获取步幅的信息，并且

通过基于所述步幅的信息划分所述第二内核来生成所述子内核。

3.根据权利要求2所述的装置，其中，

所述处理器还被配置为将所述第二内核划分为子内核，并且

所述子内核的数目对应于通过将所述步幅的值平方而获得的值。

4.根据权利要求1所述的装置，其中，所述处理器还被配置为：

通过执行转置操作来调整包括在所述第一内核中的矩阵元素的排列，并且

通过执行分割操作来划分所述第二内核。

5.根据权利要求1所述的装置，其中，包括在每个相应的子内核中的矩阵元素对应于按所述步幅的值分开的包括在所述第二内核中的矩阵元素。

6.根据权利要求1所述的装置，其中，所述处理器被配置为使用所述卷积运算符在神经网络的解卷积层中执行所述卷积操作，其中，所述神经网络还包括卷积层和完全连接层，所述卷积层使用所述卷积运算符来执行对应的卷积操作。

7.根据权利要求6所述的装置，其中，所述处理器还被配置为使用所述卷积运算符来实施所述对应的卷积操作以生成所述输入特征映射。

8.根据权利要求1所述的装置，其中，所述处理器还被配置为：

通过将所述子内核中的每一个相对于所述输入特征映射移位来执行所述子内核与所述输入特征映射之间的卷积操作，以并行地处理所述子内核，并且

通过合并所述子内核的并行处理的结果来生成所述输出特征映射。

9.一种神经网络装置，所述装置包括：

存储器，被配置为存储子内核；以及

处理器，被配置为：

从所述存储器获取所述子内核；

使用卷积运算符来执行输入特征映射与所述子内核之间的卷积操作，并且

通过合并所述卷积操作的结果来生成输出特征映射作为所述输入特征映射的解卷积，

其中，通过调整包括在初始内核中的矩阵元素的排列并划分调整后的初始内核，来生成从所述存储器获得的子内核。

10.根据权利要求9所述的装置，其中，基于存储在所述存储器中的步幅值来确定从所述初始内核划分的子内核的数目。

11.根据权利要求10所述的装置，其中，所述子内核的数目对应于通过对所述步幅值平方而获得的值。

12.根据权利要求10所述的装置，其中，通过执行转置操作调整包括在所述初始内核中的矩阵元素的排列并通过执行分割操作划分调整后的初始内核，生成所述子内核。

13.根据权利要求9所述的装置，其中，包括在每个相应的子内核中的矩阵元素对应于按所述步幅的值分开的包括在所述初始内核中的矩阵元素。

14.根据权利要求9所述的装置，其中，所述处理器被配置为使用所述卷积运算符在神经网络的解卷积层中执行所述卷积操作，其中，所述神经网络还包括卷积层和完全连接层，所述卷积层使用所述卷积运算符来执行对应的卷积操作。