[发明专利]基于数据流的卷积神经网络权重梯度优化方法

权利要求书

1.一种基于数据流的卷积神经网络权重梯度优化方法，其特征在于，该方法具体包括如下步骤：

步骤1、将输入图像传输给行缓存模块与列缓存模块，拼接成(H-K+1)×(H-K+1)个K×K的卷积核大小进行周期性输出；其中的行缓存模块由K-1个FIFO构成，列缓存模块由移位寄存器构成；

步骤2、将输出图像梯度存入到片上存储，每当输入图像拼接成一个K×K的移动窗口，从BRAM取出一个对应的数据，具体计算方式如下：1)将第一个K×K的移动窗口覆盖的输入图像与输出图像梯度的第一个数进行同时运算；2)将第二个K×K的移动窗口覆盖的输入图像与输出图像梯度的第二个数进行同时运算；3)依此类推；并复制成K×K份；

步骤3、将步骤1拼接成的数据与步骤2复制后的数据同时输入给K×K个乘法器单元进行计算，获取K×K个结果；

步骤4、将步骤3计算的结果输出给自相加模块；重复步骤3，将获得的结果与当前自相加模块的结果进行相加，直至算到最后一个滑动窗口，获得最终的结果；其中的自相加模块由K×K个加法器构成。