[发明专利]在现场可编程门阵列上实现深度神经网络的方法及装置在审
| 申请号： | 201911002442.9 | 申请日： | 2019-10-21 |
| 公开（公告）号： | CN111027669A | 公开（公告）日： | 2020-04-17 |
| 发明（设计）人： | 罗国杰;戴拓;张文泰;章嘉玺 | 申请（专利权）人： | 浙江省北大信息技术高等研究院;杭州未名信科科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063 |
| 代理公司： | 北京辰权知识产权代理有限公司 11619 | 代理人： | 刘广达 |
| 地址： | 311200 浙江省杭州市*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 现场 可编程 门阵列 实现 深度 神经网络 方法 装置 | ||
1.一种在现场可编程门阵列上实现深度神经网络的方法，其特征在于，包括：
分析所述深度神经网络的每个网络层的资源需求量和饱和吞吐量；
根据所述资源需求量和所述饱和吞吐量，枚举将所有所述网络层划分到若干可编程逻辑门阵列中的所有划分方案；
计算所述所有划分方案的效果参数数据，根据所述所有划分方案的效果参数数据，从所述所有划分方案中选出最优方案；
将所述最优方案上板实现。
2.根据权利要求1所述的方法，其特征在于，所述分析所述深度神经网络的每个网络层的资源需求量和饱和吞吐量，包括：
读取所述深度神经网络的参数数据，计算每个网络层的资源需求量；
根据所述资源需求量，获取每个所述网络层的饱和吞吐量。
3.根据权利要求2所述的方法，其特征在于，所述将所述最优方案上板实现，包括：根据所述最优方案，将所述网络层的参数数据写入对应划分的现场可编程门阵列中。
4.根据权利要求2所述的方法，其特征在于，所述网络层的参数数据包括卷积层的层类型、卷积核的个数、卷积核的大小和卷积核的步长。
5.根据权利要求1所述的方法，其特征在于，所述网络层包括卷积层。
6.根据权利要求1所述的方法，其特征在于，所述最优方案包括满足以下条件的划分方案：所述深度神经网络的总吞吐量达到预设阈值，所用现场可编程逻辑门阵列的数量最少。
7.根据权利要求1所述的方法，其特征在于，所述最优方案包括满足以下条件的划分方案：所用现场可编程逻辑门阵列的数量达到预设阈值，所述深度神经网络的总吞吐量最大。
8.一种在现场可编程门阵列上实现深度神经网络的装置，其特征在于，包括：
分析模块，用于分析所述深度神经网络的每个网络层的资源需求量和饱和吞吐量；
枚举模块，用于根据所述资源需求量和所述饱和吞吐量，枚举将所有所述网络层划分到若干可编程逻辑门阵列中的所有划分方案；
选择模块，用于计算所述所有划分方案的效果参数数据，根据所述所有划分方案的效果参数数据，从所述所有划分方案中选出最优方案；
上板模块，用于将所述最优方案上板实现。
9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以实现如权利要求1-7中任一所述的方法。
10.一种数据处理方法，其特征在于，利用通过如权利要求1-7中任一所述的方法实现的深度神经网络来处理数据。
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浙江省北大信息技术高等研究院;杭州未名信科科技有限公司，未经浙江省北大信息技术高等研究院;杭州未名信科科技有限公司许可，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/201911002442.9/1.html，转载请声明来源钻瓜专利网。
