[发明专利]基于Winograd算法的神经网络卷积方法及装置有效
| 申请号： | 201910041019.3 | 申请日： | 2019-01-16 |
| 公开（公告）号： | CN109767000B | 公开（公告）日： | 2022-01-25 |
| 发明（设计）人： | 戴宏凯;陈志杰;龚秋棠;傅松林;张伟 | 申请（专利权）人： | 厦门美图之家科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06F17/17 |
| 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： | 唐维虎 |
| 地址： | 361000 福建省厦门市*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提供基于Winograd算法的神经网络卷积方法及装置，所述方法包括：获取待加速神经网络卷积的卷积核及图像块；将Winograd算法中矩阵元素为浮点型的第一矩阵转换为矩阵元素为整型的目标矩阵；根据目标矩阵及所述卷积核，得到第一变换矩阵；根据Winograd算法中第二矩阵及所述图像块，计算得到第二变换矩阵；根据Winograd算法中第三矩阵与所述第一、第二变换矩阵，得到卷积矩阵；采用所述卷积矩阵对输入该神经网络的图像进行卷积处理，得到卷积处理后图像。采用本申请提供的基于Winograd算法的神经网络卷积方法进行卷积计算，能够实现算法的定点加速，提高运算速度和精准度。 | ||
| 搜索关键词： | 基于 winograd 算法 神经网络 卷积 方法 装置 | ||
【主权项】：
1.一种基于Winograd算法的神经网络卷积方法，其特征在于，所述方法包括：获取待加速神经网络卷积的卷积核及图像块；将Winograd算法中矩阵元素为浮点型的第一矩阵转换为矩阵元素为整型的目标矩阵；根据目标矩阵、目标矩阵的转置矩阵及所述卷积核，得到第一变换矩阵；根据Winograd算法中第二矩阵、第二矩阵的转置矩阵及所述图像块，计算得到第二变换矩阵；根据Winograd算法中第三矩阵与所述第一变换矩阵和第二变换矩阵，得到卷积矩阵；采用所述卷积矩阵对输入该神经网络的图像进行卷积处理，得到卷积处理后图像。
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厦门美图之家科技有限公司，未经厦门美图之家科技有限公司许可，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/201910041019.3/，转载请声明来源钻瓜专利网。
