[发明专利]一种对任意深度神经网络优化其运行功能时所需存储的方法

权利要求书

1.一种专用于深度卷积神经网络优化其运行功能时所需内存的方法，其特征包括：

静态分配：在神经网络运行前，就根据神经网络的配置静态分配内存空间；

高效复用：在神经网络运行中，直接复用相同的存储空间用于可复用的层之间的数据存放；

灵活操作：在神经网络运行前，就根据神经网络的配置初始化了存储区描述和数据描述的指针，偏移量，长度，层编号；在神经网络运行中，根据存储区描述和数据描述值，通过简单计算就可以获取神经网络层数据项的在存储区地址，完成读写操作。

2.根据权利要求1所述的数据区，其特征在于，该存储区分配只读和读写两种。只读数据静态分配，只能初始化和读取，不能更新，不能复用。可读写数据静态分配，可以读写和复用。

3.根据权利要求2所述的层数据描述区，其特征在于，该数据区将神经网络的每层数据的每项数据根据神经网络的配置进行只读，读写的数据描述初始化；对于一层数据输出作为后面一层输入的读写数据进行layer_rw0,layer_rw1的可复用分配；对于神经网络某层输出要作为后面一层之后某层输入或对于神经网络某层输出要作为神经网络最后输出结果的数据，在layer_rw0,layer_rw1中进行保留，不会被后面其它层输出改写。

4.根据权利要求1所述的所支持的存储空间静态分配及复用的功能，其特征在于，在神经网络进行部署推断之前，先行进行算法编译，在这种编译的过程中，会根据对算法的特定自动化分析，对数据区间进行复用；在编译结束后，所有的数据区间都将得到静态的分配。