[发明专利]一种针对基于FPGA的卷积神经网络加速器的数据结构和加速方法在审
| 申请号： | 201811581380.7 | 申请日： | 2018-12-24 |
| 公开（公告）号： | CN109409509A | 公开（公告）日： | 2019-03-01 |
| 发明（设计）人： | 姜凯;于治楼;高岩 | 申请（专利权）人： | 济南浪潮高新科技投资发展有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 陈婷婷 |
| 地址： | 250100 山东省济南市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种针对基于FPGA的卷积神经网络加速器的数据结构和加速方法，属于智能计算领域，该数据结构包含以下参数：量化参数、量化参数的右移位数、0点参数、偏置项和卷积层/全连接层形状参数。一种针对基于FPGA的卷积神经网络加速器的加速方法，其特征在于针对FPGA进行卷积神经网络计算的数据格式，配置数据空间，设计数据结构，将卷积神经网络计算单元需求的参数进行填充；所述数据结构包含以下参数：量化参数、量化参数的右移位数、0点参数、偏置项和卷积层/全连接层形状参数。本发明通过优化数据结构，可以有效的提高神经网络的数据传输效率和计算效率。 | ||
| 搜索关键词： | 数据结构 卷积神经网络 量化参数 加速器 形状参数 连接层 卷积 偏置 右移 数据传输效率 计算单元 计算效率 配置数据 神经网络 数据格式 智能计算 填充 优化 | ||
【主权项】：
1.一种针对基于FPGA的卷积神经网络加速器的数据结构，其特征在于该数据结构包含以下参数：量化参数、量化参数的右移位数、0点参数、偏置项和卷积层/全连接层形状参数。
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济南浪潮高新科技投资发展有限公司，未经济南浪潮高新科技投资发展有限公司许可，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/201811581380.7/，转载请声明来源钻瓜专利网。
