[发明专利]一种基于可编程器件的卷积神经网络加速方法与系统

摘要

本发明涉及一种基于可编程器件的卷积神经网络加速方法与系统。包括：对卷积神经网络在可编程器件上的基本结构进行设计，分别建立计算资源、频率关于并行化参数的量化模型；在不同并行化参数下，对实际电压、温度、工艺偏差可达的最高时钟频率进行探索，建立实际可达最高频率与并行化参数的分析模型；以计算吞吐量为优化目标，根据所建立的量化模型与分析模型，对卷积神经网络的设计空间探索进行问题抽象，并采用一定的搜索算法求解出性能最优的并行化参数。本发明在保证加速器稳定性及可靠性的同时，能够利用商用设计工具针对电压、温度、工艺偏差所预留的时延裕度，从而进一步提升卷积神经网络加速器的性能。

主权项

一种基于可编程器件的卷积神经网络加速方法，其特征在于，包括：步骤S1、设计卷积神经网络在可编程器件上的基本结构，并根据该可编程器件所拥有的计算资源、可用带宽以及该基本结构，建立卷积神经网络加速器计算资源与并行化参数、带宽上限频率与并行化参数的量化模型，其中该基本结构包括该卷积神经网络加速器；步骤S2、输入多个并行化参数，根据该可编程器件的供电电压、片内温度、元件工艺，分别探索该可编程器件在各个该并行化参数下所能达到的最高时钟频率，集合该最高时钟频率作为实验结果，并根据该实验结果建立该最高时钟频率关于并行化参数的分析模型；步骤S3、根据该分析模型和该量化模型，求解出使该卷积神经网络性能最优的并行化参数，作为最优并行化参数，并根据该最优并行化参数推导出该卷积神经网络各层具体的最优并行策略，使得该卷积神经网络加速器运行该最优并行策略。