[发明专利]卷积神经网络的并行处理器及处理方法有效
| 申请号： | 201810710911.1 | 申请日： | 2018-07-02 |
| 公开（公告）号： | CN109034373B | 公开（公告）日： | 2021-12-21 |
| 发明（设计）人： | 陈艇;周东浩;张亚楠 | 申请（专利权）人： | 鼎视智慧(北京)科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06T1/20 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 张海洋 |
| 地址： | 100000 北京市海淀*** | 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： | 本发明提供了卷积神经网络的并行处理器及处理方法，包括：输入数据划窗控制单元采用可变深度移位寄存器链的方式对输入特征平面数据进行二维重组，输出第一窗口数据，并将第一窗口数据加载至并行卷积与池化处理单元；卷积核存储控制单元将卷积核参数和卷积偏移量分别加载至并行卷积与池化处理单元；并行卷积与池化处理单元采用并行的方式，对第一窗口数据、卷积核参数和偏移量进行卷积运算和池化处理，得到并行的多个输出特征平面数据，并将输出特征平面数据分别输入至并行输出数据存储控制单元；并行输出数据存储控制单元采用并行的方式，将对应的输出特征平面数据进行存储。本发明可以优化CNN计算过程，加快计算速度。 | ||
| 搜索关键词： | 卷积 神经网络 并行 处理器 处理 方法 | ||
【主权项】：
1.一种卷积神经网络的并行处理器，其特征在于，包括：并行卷积与池化处理单元，分别与所述并行卷积与池化处理单元相连的输入数据划窗控制单元、卷积核存储控制单元和并行输出数据存储控制单元；所述输入数据划窗控制单元，用于采用可变深度移位寄存器链的方式对输入特征平面数据fin进行二维重组，输出第一窗口数据，并将所述第一窗口数据分别输入至所述并行卷积与池化处理单元；所述卷积核存储控制单元，用于将卷积核参数和卷积偏移量分别加载至所述并行卷积与池化处理单元；其中，所述卷积核参数和所述卷积偏移量对应于所述输入特征平面数据fin的输入通道；所述并行卷积与池化处理单元，用于采用并行的方式，对所述第一窗口数据、所述卷积核参数和所述偏移量进行卷积运算和池化处理，得到并行的多个输出特征平面数据fout，并将所述输出特征平面数据fout分别输入至所述并行输出数据存储控制单元；所述并行输出数据存储控制单元，用于采用并行的方式，将对应的所述输出特征平面数据fout进行存储。
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鼎视智慧(北京)科技有限公司，未经鼎视智慧(北京)科技有限公司许可，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/201810710911.1/，转载请声明来源钻瓜专利网。
