[发明专利]一种基于FPGA的图卷积神经网络的流水线结构

权利要求书

1.一种基于FPGA的图卷积神经网络的流水线结构，其特征在于，其部署在FPGA上，用于对图卷积神经网络中的数据流进行优化，使结合模块和聚合模块之间的数据形成流水线，从而降低延迟，加速图卷积神经网络的推理过程；其包括结合模块、流水线形式的缓存和聚合模块；所述各个模块的输入和输出都是矩阵的形式，结合模块一列一列地依次输出，一次输出一列的数据进入缓存储存，缓存再将这一列的数据按照流水线形式进入聚合模块，以使得聚合模块直接计算稀疏矩阵和缓存中一列数据的乘法，也就是矩阵和向量的乘法，实现稀疏矩阵的乘法运算。

2.根据权利要求1所述的流水线结构，其特征在于，结合模块采用多个计算单元并行的方式实现密集矩阵的乘法运算。

3.根据权利要求2所述的流水线结构，其特征在于，结合模块中，输入的特征矩阵按列进行分块，每一块交由一个或多个计算单元进行计算；在推理的过程中，每个分块内的数据一行一行地进行处理，和权重矩阵进行乘法计算，这样，输入的矩阵在每个计算周期内处理完一整行的数据，从而在输出端输出一整列的数据。

4.根据权利要求1所述的流水线结构，其特征在于，聚合模块中，稀疏矩阵按行进行分块，每个行向量和缓存的矩阵中的列向量相乘，得到稀疏矩阵和缓存矩阵乘法的结果。

5.根据权利要求4所述的流水线结构，其特征在于，聚合模块中的稀疏矩阵和缓存矩阵的乘法设计成流水线的形式：稀疏矩阵中的每一块数据和缓存矩阵中的所有列向量进行乘法，在某一块数据和某一列向量数据的乘法计算完成之后，保留这一块的数据，读取下一列向量的数据，并且重复进行之前的乘法计算。