[发明专利]一种自适应可重构的深度卷积神经网络计算方法和装置有效
| 申请号： | 201710258271.0 | 申请日： | 2017-04-19 |
| 公开（公告）号： | CN107169560B | 公开（公告）日： | 2020-10-16 |
| 发明（设计）人： | 汪东升;王佩琪;刘振宇 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 李官 |
| 地址： | 100084 北京市海*** | 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： | 本发明涉及一种自适应可重构的深度卷积神经网络计算方法和装置，该方法包括：根据控制信号决定计算装置的程序执行流程；根据深度神经卷积网络规模参数对基本计算基元进行动态重构确定运算单元的组合级别和并行度；根据不同的重构情况载入相对应的处理数据，对不同属性的卷积神经网络层进行相应计算，最终得到该组神经元的连接输出结果。本发明解决了专有硬件灵活性较低的不足，可以重构运算单元的设计参数来达到支持不同规模的深度卷积神经网络的目的；本发明既可以满足相同规模的卷积核并行运算，又可以实现不同规模的卷积核并行运算，可动态重构的运算单元极大的提高了深度卷积神经网络运算的并行度，提升了计算性能。 | ||
| 搜索关键词： | 一种 自适应 可重构 深度 卷积 神经网络 计算方法 装置 | ||
【主权项】：
一种自适应可重构的深度卷积神经网络计算方法，其特征在于，包括：根据控制信号决定计算装置的程序执行流程，根据深度神经卷积网络规模参数对基本计算基元进行动态重构确定运算单元的组合级别和并行度；根据不同的重构情况载入相对应的处理数据，对不同属性的卷积神经网络层进行相应计算；进行对应数据的乘加操作、累加操作以及非线性激活函数映射，最终得到该组神经元的连接输出结果。
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清华大学，未经清华大学许可，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/patent/201710258271.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种自带蛋糕分块功能的蛋糕盘
- 下一篇：一种带有温度计的保温杯
