[发明专利]一种卷积计算数据流映射方法及装置

权利要求书

1.一种卷积计算数据流映射方法，其特征在于，包括：

在卷积神经网络模型中执行目标卷积操作的过程中，按照通道分别对所述目标卷积操作所涉及的特征图中的接收域和涉及的卷积核进行分组，得到多个接收域分组和多个卷积核分组，其中，每个所述接收域分组内相同行列位置的不同通道组成一个基本块，每个所述卷积核分组内相同行列位置的不同通道组成一个基本块；

对所述多个接收域分组中的基本块进行排序，得到接收域数据组，并对所述多个卷积核分组中的基本块进行排序，得到卷积核数据组，其中，在对所述多个接收域分组中的基本块进行排序的过程中，在第一次需要使用第一基本块的情况下，从第一存储空间中读取所述第一基本块，在所述第一次之后需要使用所述第一基本块的情况下，复用在所述第一次读取到的所述第一基本块；

将所述接收域数据组和所述卷积核数据组输入到用于矩阵乘法的二维阵列中，得到所述二维阵列输出的矩阵的值，其中，所述目标卷积操作的结果包括所述矩阵的值。

2.根据权利要求1所述的方法，其特征在于，所述对所述多个接收域分组中的基本块进行排序，得到接收域数据组，并对所述多个卷积核分组中的基本块进行排序，得到卷积核数据组包括：

对所述多个接收域分组中的每个接收域分组中的基本块按照先列后组后行的顺序进行排序，得到所述接收域数据组，并对所述多个卷积核分组中每个卷积核分组中的基本块按照先列后组后行的顺序进行排序，得到所述卷积核数据组。

3.根据权利要求1所述的方法，其特征在于，所述接收域的尺寸为C*K1*K2所述卷积核的尺寸为C*K1*K2，其中，所述C、K1与K2为正整数，所述在卷积神经网络模型中执行目标卷积操作的过程中，按照通道分别对所述目标卷积操作所涉及的特征图中的接收域和涉及的卷积核进行分组，得到多个接收域分组和多个卷积核分组包括：

将所述接收域分为M组，每组尺寸为C/M*K1*K2；

将所述卷积核分为M组，每组尺寸为C/M*K1*K2，其中，所述M为正整数，所述M小于所述C。

4.根据权利要求3所述的方法，其特征在于，

所述将所述接收域分为M组包括：在所述C/M不为整数的情况下，在所述接收域中补充X个通道，每个通道中数据为零，将补充数据后的所述接收域中分为M组，其中，每个所述基本块中的数据更新为(C+X)/M个，所述(C+X)/M为整数，所述X大于零且小于所述M；

所述将所述卷积核分为M组包括：在所述C/M不为整数的情况下，在所述卷积核中补充X个通道，每个通道中数据为零，将补充数据后的所述卷积核中分为M组，其中，每个所述基本块中的数据更新为(C+X)/M个，所述(C+X)/M为整数。

5.根据权利要求1所述的方法，其特征在于，所述将所述接收域数据组和所述卷积核数据组输入到用于矩阵乘法的二维阵列中，得到所述二维阵列输出的矩阵的值包括：

将I个接收域的I个所述接收域数据组和J个卷积核的J个所述卷积核数据组分别作为第一矩阵与第二矩阵，输入到所述用于矩阵乘法的二维阵列中，得到所述二维阵列输出的矩阵的值，其中，所述矩阵的值与使用所述J个卷积核对所述I个接收域进行卷积的结果相同，所述I为正整数，所述J为正整数。