[发明专利]卷积神经网络的定点运算方法、装置、设备和存储介质在审
| 申请号： | 201811302449.8 | 申请日： | 2018-11-02 |
| 公开（公告）号： | CN109409514A | 公开（公告）日： | 2019-03-01 |
| 发明（设计）人： | 熊祎;易松松 | 申请（专利权）人： | 广州市百果园信息技术有限公司 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063 |
| 代理公司： | 北京品源专利代理有限公司 11332 | 代理人： | 孟金喆 |
| 地址： | 511442 广东省广州市番禺区南村镇万博*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了卷积神经网络的定点运算方法、装置、设备和存储介质，所述卷积神经网络包括卷积层，所述方法包括：通过输入通道接收本层卷积层的输入激活值，所述输入通道具有对应的权重；对所述输入激活值进行定点化操作，获得第一特征值；将所述第一特征值与所述权重分别写入多个寄存器分组的寄存器中；针对所述多个寄存器分组，分别根据所述寄存器中的所述第一特征值与所述权重进行乘加运算，获得多个第二特征值。由于处理器中通常提供多个寄存器，可以通过将累加操作分散在多个寄存器中进行，即分组累加，以此减少均摊的乘加运算的数量，减少溢出风险，提高应用操作指令的处理效率，增大整体吞吐量，同时，保持了精确度，保证了应用范围。 | ||
| 搜索关键词： | 寄存器 卷积神经网络 权重 乘加运算 存储介质 定点运算 输入通道 累加 分组 卷积 激活 整体吞吐量 处理效率 应用操作 处理器 溢出 写入 指令 应用 保证 | ||
【主权项】：
1.一种卷积神经网络的定点运算方法，其特征在于，所述卷积神经网络包括卷积层，所述方法包括：通过输入通道接收本层卷积层的输入激活值，所述输入通道具有对应的权重；对所述输入激活值进行定点化操作，获得第一特征值；将所述第一特征值与所述权重分别写入多个寄存器分组的寄存器中；针对所述多个寄存器分组，分别根据所述寄存器中的所述第一特征值与所述权重进行乘加运算，获得多个第二特征值。
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广州市百果园信息技术有限公司，未经广州市百果园信息技术有限公司许可，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/201811302449.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于神经网络的任务处理方法及相关设备
- 下一篇：运算装置和方法
