[发明专利]一种卷积神经网络运算系统、方法及设备

权利要求书

1.一种卷积神经网络运算系统，所述系统包括:模型存储模块，数据存储模块，模型运算模块，其特征在于，所述系统还包括模型解码模块，其中：

所述模型解码模块，用于将外部传输的卷积神经网络模型资源解码，得到卷积层模型，并将所述卷积层模型存储于所述模型存储模块；

所述模型存储模块，用于存储所述卷积层模型；

所述数据存储模块，用于存储图像数据和运算结果数据，所述图像数据是输入所述卷积神经网络运算系统，用于进行卷积神经网络运算的，所述运算结果数据是所述模型运算模块运算生成的，且上一次卷积神经网络运算的运算结果作为下一次卷积神经网络运算的图像数据；

所述模型运算模块，用于基于所述卷积层模型，将所述数据存储模块中存储的所述图像数据进行卷积神经网络运算，并将运算后的运算结果数据存储于所述数据存储模块。

2.根据权利要求1所述的系统，其特征在于，所述模型运算模块包括两个运算单元，每个所述运算单元中包括卷积运算单元、池化运算单元和标准归一化运算单元。

3.根据权利要求1所述的系统，其特征在于，所述数据存储模块包括第一存储器和第二存储器，所述第一存储器和第二存储器通过轮询的方式依次存储所述图像数据和所述运算结果数据。

4.一种卷积神经网络运算方法，应用于如权利要求1-3所述的卷积神经网络运算系统，其特征在于，所述方法包括：

获取用于卷积神经网络运算的图像数据和卷积神经网络模型资源；

基于预先设置的运算顺序和所述卷积神经网络模型资源，依次确定每层用于卷积神经网络运算的卷积层模型；

基于每层卷积层模型对所述图像数据依次进行卷积神经网络运算，并输出运算结果。

5.根据权利要求4所述的方法，其特征在于，所述卷积神经网络模型资源是基于预先训练好的卷积神经网络模型通过分层压缩方法生成的，所述分层压缩方法包括：LZ77编码算法和哈夫曼压缩算法。

6.一种卷积神经网络运算装置，其特征在于，所述装置包括：

获取单元，用于获取用于卷积神经网络运算的图像数据和卷积神经网络模型资源；

确定单元，用于基于预先设置的运算顺序和卷积神经网络模型资源，依次确定每层用于卷积神经网络运算的卷积层模型；

处理单元，基于每层卷积层模型对所述图像数据依次进行卷积神经网络运算，并输出运算结果。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括压缩单元，用于利用基于预先训练好的卷积神经网络模型通过分层压缩生成所述卷积神经网络模型资源，所述分层压缩方法包括：LZ77编码算法和哈夫曼压缩算法。

8.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求4或5中任一项所述的卷积神经网络运算方法。

9.一种存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求4或5中任一项所述的卷积神经网络运算方法。

10.一种卷积神经网络运算设备，其特征在于，包括：如权利要求1-3所述的卷积神经网络运算系统和如权利要求6或7中任一项所述的卷积神经网络运算装置，所述卷积神经网络运算装置与所述卷积神经网络运算系统连接，用于控制所述卷积神经网络运算系统进行卷积神经网络运算。