[发明专利]基于FPGA的卷积神经网络训练系统及方法有效
| 申请号： | 201910060523.8 | 申请日： | 2019-01-22 |
| 公开（公告）号： | CN109902802B | 公开（公告）日： | 2020-12-29 |
| 发明（设计）人： | 张敏;魏小淞;李林鹏;赵伟;秦红波;王海 | 申请（专利权）人： | 西安电子科技大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06K9/62 |
| 代理公司： | 西安嘉思特知识产权代理事务所(普通合伙) 61230 | 代理人： | 张捷 |
| 地址： | 710071*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于FPGA的卷积神经网络训练系统及方法，系统包括：核心处理模块，用于提供第一训练集数据并初始化卷积神经网络的第一网络参数，以及接收第二网络参数误差；输入数据转换模块，用于分别对第一训练集数据和第一网络参数进行处理得到第二训练集数据和第二网络参数；前向计算引擎模块，用于对第二训练集数据和第二网络参数进行处理得到隐层数据和预测误差；反向计算引擎模块，用于对隐层数据、第二网络参数和预测误差进行处理得到第一网络参数误差；输出数据转换模块，用于对第一网络参数误差进行处理得到第二网络参数误差。该系统不仅实现了前向传播计算和反向传播计算的同时运行，还减少对公共数据总线的占用以及存储带宽的需求。 | ||
| 搜索关键词： | 基于 fpga 卷积 神经网络 训练 系统 方法 | ||
【主权项】：
1.一种基于FPGA的卷积神经网络训练系统，其特征在于，包括：核心处理模块，用于提供第一训练集数据并初始化卷积神经网络的第一网络参数，以及接收第二网络参数误差；输入数据转换模块，用于分别对所述第一训练集数据和所述第一网络参数进行处理得到第二训练集数据和第二网络参数；前向计算引擎模块，用于对所述第二训练集数据和所述第二网络参数进行处理得到隐层数据和预测误差；反向计算引擎模块，用于对所述隐层数据、所述第二网络参数和所述预测误差进行处理得到所述第一网络参数误差；输出数据转换模块，用于对所述第一网络参数误差进行处理得到所述第二网络参数误差。
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西安电子科技大学，未经西安电子科技大学许可，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/201910060523.8/，转载请声明来源钻瓜专利网。
