[发明专利]一种软硬件协同加速方法、系统及计算机可读存储介质有效

专利信息
申请号: 202010285212.4 申请日: 2020-04-13
公开(公告)号: CN111178522B 公开(公告)日: 2020-07-10
发明(设计)人: 吴春选 申请(专利权)人: 杭州雄迈集成电路技术股份有限公司
主分类号: G06N3/063 分类号: G06N3/063;G06N3/10;G06N3/04;G06F15/78
代理公司: 杭州裕阳联合专利代理有限公司 33289 代理人: 田金霞
地址: 311400 浙江省杭州市富阳*** 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: 一种 软硬件 协同 加速 方法 系统 计算机 可读 存储 介质
【权利要求书】:

1.一种软硬件协同加速方法,其特征在于,所述软硬件协同加速方法基于卷积神经网络,包括如下步骤:

上位机进行网络解析:对于不同网络类型的模型解析成统一按层划分的数据结构,在结构头中加入网络平台,每层数据结构加入层序号并建立层关联,根据层序号与层名,关联当前层的输入层与输出层;

量化:按照层序号逐层进行权重与数据的量化;

硬件参数计算:计算特征数据按照内部存储N*N划分后的切块个数;

数据库固件生成:将各层数据结构合并,根据硬件支持特性,将卷积层与激活层Relu合并成一个卷积层,根据软件优化加速特性,将全连接层与激活层Relu、激活层Prelu合并,形成新的层序号;统计网络在嵌入式平台消耗的最小DDR内存,将各层数据结构、切块个数、最小消耗内存与权重生成数据库固件,各层数据结构包括层关联与量化后的每层的参数;

下位机获取并解析数据库固件,根据解析结果逐层启动硬件加速模块和/或软件加速模块进行加速。

2.根据权利要求1所述的软硬件协同加速方法,其特征在于,生成数据库固件具体包括:

层关联:将不同网络平台训练出来的网络模型逐层进行解析,当前层加入层序号、上一层的层名与层序号、下一层的层名与层序号,作为层关联的上下关系,当前层如果存在权重,将当前层的权重提取解析成浮点格式数据,当前层的参数解析成所述数据结构,加入数据结构的结构头;

选取不同场景的量化图片,按照解析出来的数据结构,根据层序号逐层进行量化,将权重、输入数据、输出数据由浮点数据转为定点数据,并获取每层的数据与权重的量化参数;

硬件参数计算:计算特征数据按照内部存储N*N划分后的切块个数;

将转换后的定点数据存储成二进制文件格式,将硬件参数、网络模型上下层关联、网络模型所占存储空间大小以及量化后的网络模型的参数存储成json格式,与切块处理信息进行打包,生成数据库固件。

3.根据权利要求2所述的软硬件协同加速方法,其特征在于,不同网络平台的网络模型及其参数分别包括:

通过caffe架构训练出来的caffe网络模型及其参数;

通过tensorflow架构训练出来的tensoflow网络模型及其参数;

通过pytorch架构训练出来的pytorch网络模型及其参数。

4.根据权利要求2所述的软硬件协同加速方法,其特征在于,所述数据结构包括卷积核特性,支持硬件加速的卷积核特性为:

卷积核窗口大小为11*11,卷积核步长为4;

卷积核窗口大小为7*7,卷积核步长为2;

卷积核窗口大小为5*5,卷积核步长为1或者2;

卷积核窗口大小为4*4,卷积核步长为1或者2;

卷积核窗口大小为3*3, 卷积核步长为1或者2;

卷积核窗口大小为2*2、1*1、7*1、5*1、3*1、1*7、1*5、1*3,卷积核步长为1。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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杭州雄迈集成电路技术股份有限公司,未经杭州雄迈集成电路技术股份有限公司许可,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/202010285212.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top