[发明专利]一种面向可重构神经网络处理器的神经网络布局方法

权利要求书

1.一种面向可重构神经网络处理器的神经网络布局方法，其特征在于：

方法包括以下步骤：

步骤1，对神经网络进行训练，得到神经网络的网络参数；

步骤2，针对神经网络中各卷积层的权重设置复制份数，根据神经网络中各卷积层的输入数据的数据量之间的比例关系建立相同的各卷积层权重的复制份数之间的比例关系，根据比例关系处理获得每一卷积层在可重构神经网络处理器上需要的存内计算核的个数；

所述步骤2中，针对每一个卷积层，根据各自输入数据的通道数、输出数据的通道数以及权重的复制份数关系确定存内计算核的个数：

采用以下公式计算各个卷积层各自的存内计算核数量P为P＝M×N×a，其中，N＝k×k×n，k×k为卷积层的卷积核的大小，n为卷积层输入数据的通道数与存内计算核大小的商向上取整；M为卷积层输出数据的通道数与存内计算核大小的商向上取整，a为卷积层权重的复制份数；

然后在各个卷积层各自的权重的复制份数a满足比例关系情况下，且在所有卷积层各自的存内计算核数量P的总数不超过可重构神经网络处理器的总存内计算核总数情况下，使得各个卷积层各自的存内计算核数量P最大化设置，进而获得各个卷积层在可重构神经网络处理器上需要的存内计算核的个数P；

步骤3，将单个卷积层的数据计算分配到各自的多个存内计算核，当前卷积层将输入数据分布至多个存内计算核并行计算，然后获得输出数据发送到下一个卷积层；

步骤4，通过最小化通讯功耗和最大带宽的目标函数获得最终的优化布局结果；

所述步骤4中，具体为：

首先建立以下第i个存内计算核与第j个存内计算核之间的通讯次数G(i_n,j_m)，表示为：

其中，i_n表示第n层卷积层内的第i个计算核；j_m表示第m层卷积层内的第j个计算核；k_n表示第n层卷积层的单个卷积核的尺寸大小，c_n表示第n层卷积层的输入数据的通道数，a表示第n层卷积层权重的复制份数；

然后建立 以下目标函数，整个可重构神经网络处理器的功耗目标函数P_LINK：

其中，(x_i,y_i)表示第i个存内计算核在可重构神经网络处理器中阵列的行列坐标，N表示可重构神经网络处理器中单行或单列上的存内计算核的数量；

最大带宽W：计算各个路由的带宽，单个路由的带宽是由其他每两个路由之间通信时所经过自身的次数累加获得，最大带宽为各个路由的带宽中的最大值；

利用非支配排序遗传算法NSGAII对上述两个目标函数进行求解获得最优的各个存内计算核在可重构神经网络处理器中的坐标。

2.根据权利要求1所述的面向可重构神经网络处理器的神经网络布局方法，其特征在于：所述的可重构神经网络处理器包括了非易失性存储器和缓存路由，各个缓存路由通过阵列布置并行列连接形成二维网格NOC结构，每个缓存路均连接有一个存内计算核，存内计算核内存储权重，存内计算核接收输入数据并于内部的权重进行相乘，再在缓存路由内求和，最终输出完成了神经网络的计算。

3.根据权利要求1所述的面向可重构神经网络处理器的神经网络布局方法，其特征在于：所述的存内计算核采用非易失性存储器。