[发明专利]一种卷积神经网络加速方法及系统在审
| 申请号： | 202011147836.6 | 申请日： | 2020-10-23 |
| 公开（公告）号： | CN112288085A | 公开（公告）日： | 2021-01-29 |
| 发明（设计）人： | 吴欣欣;范志华;轩伟;李文明;叶笑春;范东睿 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 北京律诚同业知识产权代理有限公司 11006 | 代理人： | 祁建国 |
| 地址： | 100080 北*** | 国省代码： | 北京;11 |
| 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 卷积 神经网络 加速 方法 系统 | ||
1.一种卷积神经网络加速方法及系统，其特征在于，包括：
步骤1、将待特征分析的图像作为输入激活输入卷积神经网络，分解该卷积神经网络中滤波器的权值向量，得到滤波器中权值对应的符号向量；
步骤2、通过符号向量与输入激活向量执行卷积运算，得到第一卷积结果，通过补偿因子与输入激活向量执行卷积运算，得到第二卷积结果，将该第一卷积结果和第二卷积结果相加，得到预测结果；
步骤2、该卷积神经网络执行卷积计算时根据该预测结果跳过0值相关的运算，得到卷积结果。
2.如权利要求1所诉的卷积神经网络加速方法及系统，其特征在于，该步骤2包括：判断该预测结果中是否存在小于等于0的数值，若有，则获取该小于等于0的数值在该预测结果中的向量位置，在执行卷积计算时跳过涉及该向量位置的计算过程，得到激活输出结果，并将激活输出结果中位于该向量位置的数值置零，得到该卷积结果。
3.如权利要求1所诉的卷积神经网络加速方法及系统，其特征在于，该步骤1包括：将该卷积神经网络中滤波器中高位权值作为该符号向量。
4.如权利要求1所诉的卷积神经网络加速方法及系统，其特征在于，该补偿因子的取值范围大于0小于1。
5.如权利要求1所诉的卷积神经网络加速方法及系统，其特征在于，该卷积计算如下述公式所示：
O＝∑I*W
W为滤波器权值，I为输入激活，O为卷积计算结果。
6.一种卷积神经网络加速系统及系统，其特征在于，包括：
模块1、将待特征分析的图像作为输入激活输入卷积神经网络，分解该卷积神经网络中滤波器的权值向量，得到滤波器中权值对应的符号向量；
模块2、通过符号向量与输入激活向量执行卷积运算，得到第一卷积结果，通过补偿因子与输入激活向量执行卷积运算，得到第二卷积结果，将该第一卷积结果和第二卷积结果相加，得到预测结果；
模块2、该卷积神经网络执行卷积计算时根据该预测结果跳过0值相关的运算，得到卷积结果。
7.如权利要求1所诉的卷积神经网络加速系统及系统，其特征在于，该模块2包括：判断该预测结果中是否存在小于等于0的数值，若有，则获取该小于等于0的数值在该预测结果中的向量位置，在执行卷积计算时跳过涉及该向量位置的计算过程，得到激活输出结果，并将激活输出结果中位于该向量位置的数值置零，得到该卷积结果。
8.如权利要求1所诉的卷积神经网络加速系统及系统，其特征在于，该模块1包括：将该卷积神经网络中滤波器中高位权值作为该符号向量。
9.如权利要求1所诉的卷积神经网络加速系统及系统，其特征在于，该补偿因子的取值范围大于0小于1。
10.如权利要求1所诉的卷积神经网络加速系统及系统，其特征在于，该卷积计算如下述公式所示：
O＝∑I*W
W为滤波器权值，I为输入激活，O为卷积计算结果。
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中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，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/202011147836.6/1.html，转载请声明来源钻瓜专利网。
