[发明专利]一种卷积神经网络指令数据存储系统及方法

说明书

本发明公开了一种卷积神经网络指令数据存储系统及方法，属于人工智能数据处理，本发明要解决的技术问题为如何高效有序方便的完成卷积神经网络的模型层数增加，卷积核权重值数量呈指数增长情况下的数据存取访问，采用的技术方案为：一种卷积神经网络指令数据存储系统，该系统包括计算单元模块、输入缓冲模块、输出缓冲模块、输出选择模块、指令分发模块、数据存储模块一、数据存储模块二和中央控制模块，中央控制模块分别连接并控制计算单元模块、输入缓冲模块、输出缓冲模块、输出选择模块、指令分发模块、数据存储模块一和数据存储模块二。本发明还公开了一种卷积神经网络指令数据存储方法。

技术领域

本发明涉及人工智能数据处理领域，具体地说是一种卷积神经网络指令数据存储系统及方法。

背景技术

人工神经网络，简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或者计算模型。作为人工神经网络最重要的一支，卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络。

一般卷积神经网络的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，得到较为广泛的应用。

随着研究深入，卷积神经网络的模型层数不断增加，卷积核权重值数量也呈指数增长，如何完成卷积神经网络的模型层数增加，卷积核权重值数量呈指数增长情况下的数据存取控制是目前急需解决的技术问题。

专利号为CN108154229A的专利文献公开了基于FPGA加速卷积神经网络框架的图片处理方法，其方案是：1）根据设计的图片参数和FPGA资源参数，计算图片分割固定值；2）根据图片固定值确定DDR3数目，并对块ram资源进行分配；3）根据1）和2）构建卷积神经网络框架，该框架包括图片存储模块，图片数据分配模块，卷积模块，池化模块，图片存回DDR3模块，指令寄存器组；4）各个模块通过握手信号从指令寄存器组中获取控制指令，并相互配合，按照控制指令对图片数据进行处理。但是该技术不能实现对卷积神经网络的模型层数大幅增加，卷积核权重值数量呈指数增长情况下的快速高效的数据存储控制。

发明内容

本发明的技术任务是提供卷积神经网络指令数据存储系统及方法，来解决如何高效有序方便的完成卷积神经网络的模型层数增加，卷积核权重值数量呈指数增长情况下的数据存取访问的问题。

本发明的技术任务是按以下方式实现的，一种卷积神经网络指令数据存储系统，该系统包括计算单元模块、输入缓冲模块、输出缓冲模块、输出选择模块、指令分发模块、数据存储模块一、数据存储模块二和中央控制模块，中央控制模块分别连接并控制计算单元模块、输入缓冲模块、输出缓冲模块、输出选择模块、指令分发模块、数据存储模块一和数据存储模块二；

输入缓冲模块、计算单元模块、输出缓冲模块、输出选择模块、数据存储模块和输入缓冲模块依次连接且相邻两模块之间进行数据传输组成封闭的单向数据传输网；数据存储模块一传输数据到输入缓冲模块；

指令分发模块分别发送指令到输入缓冲模块、计算单元模块、输出缓冲模块和输出选择模块；数据存储模块一发送指令到指令缓冲模块。

作为优选，所述数据存储模块一与输入缓冲模块之间设置有DMA模块一，中央控制模块连接并控制DMA模块一；数据存储模块一传输数据到DMA模块一，DMA模块一传输数据到输入缓冲模块。

作为优选，所述输出选择模块与数据存储模块二之间设置有DMA模块二，中央控制模块连接并控制DMA模块二；输出选择模块传输数据到DMA模块二，DMA模块二传输数据到数据存储模块二。