[发明专利]使用自适应3D阵列的卷积神经网络有效
| 申请号： | 201910840879.3 | 申请日： | 2019-09-06 |
| 公开（公告）号： | CN110880032B | 公开（公告）日： | 2022-07-19 |
| 发明（设计）人： | 金向东;周芬;熊成玉 | 申请（专利权）人： | 黑芝麻智能科技（上海）有限公司 |
| 主分类号： | G06N3/02 | 分类号： | G06N3/02;G06N3/063 |
| 代理公司： | 华进联合专利商标代理有限公司 44224 | 代理人： | 易皎鹤 |
| 地址： | 200120 上海市浦东新区中国(上海)自*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 使用 自适应 阵列 卷积 神经网络 | ||
1.一种在卷积神经网络中构造自适应乘法累加层的方法，包括：
确定激活数据图宽度、激活数据图高度、通道深度、批量、核宽度、核高度和滤波器组数量；
基于所述激活数据图宽度来设置自适应乘法器层的第一维度；
基于所述通道深度来设置所述自适应乘法器层的第二维度；
基于所述滤波器组数量来设置所述自适应乘法器层的第三维度；以及
基于所述第一维度、所述第二维度和所述第三维度来构造所述自适应乘法器层。
2.根据权利要求1所述的构造自适应乘法累加层的方法，其特征在于，所述自适应乘法器层的所述第一维度为下列之一：所述激活数据图宽度的大小的一半、所述激活数据图宽度的大小的四分之一和等于所述激活数据图宽度的大小。
3.根据权利要求1所述的构造自适应乘法累加层的方法，其特征在于，所述自适应乘法器层的所述第二维度为下列之一：所述通道深度的大小的一半、所述通道深度的大小的四分之一和等于所述通道深度的大小。
4.根据权利要求1所述的构造自适应乘法累加层的方法，其特征在于，所述自适应乘法器层的所述第三维度为下列之一：所述滤波器组数量的大小的一半、所述滤波器组数量的大小的四分之一和等于所述滤波器组数量的大小。
5.根据权利要求1所述的构造自适应乘法累加层的方法，还包括：
在所述自适应乘法器层内对所述核高度求和；
在所述核高度的总和内对所述核宽度求和；
在所述核宽度的总和内对所述激活数据图高度求和；
在所述激活数据图高度的总和内输出层组；以及
在所述层组的总和内输出所述批量；
其中，求和是一系列嵌套循环，其中一组求和在下一个外层循环求和中完成。
6.根据权利要求5所述的构造自适应乘法累加层的方法，还包括：
同时对所述核高度和所述核宽度求和，其中所述核高度和所述核宽度在一个循环内求和。
7.根据权利要求1所述的构造自适应乘法累加层的方法，还包括：
在所述自适应乘法器层内对所述核高度求和；
在所述核高度的总和内对所述核宽度求和；以及
在所述激活数据图宽度的总和内对所述激活数据图高度求和；
其中，求和是一系列嵌套循环，其中一组求和在下一个外层循环求和中完成。
8.根据权利要求7所述的构造自适应乘法累加层的方法，还包括同时对所述核高度和所述核宽度求和，其中所述核高度和所述核宽度在一个循环内求和。
9.根据权利要求1所述的构造自适应乘法累加层的方法，还包括：
在所述自适应乘法器层内对所述核高度求和；
在所述核高度的总和内对所述核宽度求和；
在所述核宽度的总和内对所述通道深度求和；
在所述激活数据图宽度的总和内输出所述激活数据图高度；
在所述激活数据图高度的总和内输出所述滤波器组；
在所述滤波器组数量的总和内输出层组；以及
在所述层组的总和内输出所述批量；
其中，求和是一系列嵌套循环，其中一组求和在下一个外层循环求和中完成。
10.根据权利要求9所述的构造自适应乘法累加层的方法，还包括：
同时对所述激活数据图宽度和所述激活数据图高度求和以产生并发结果，其中所述激活数据图宽度和所述激活数据图高度在一个循环内求和；以及
将所述并发结果除以所述激活数据图宽度。
11.根据权利要求10所述的构造自适应乘法累加层的方法，还包括同时对所述通道深度、所述核宽度和所述核高度求和，其中所述通道深度、所述核宽度和所述核高度在一个循环内求和。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于黑芝麻智能科技（上海）有限公司，未经黑芝麻智能科技（上海）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910840879.3/1.html，转载请声明来源钻瓜专利网。
