[发明专利]一种基于SOC的可训练柔性CNN系统设计方法

摘要

本文发明提供一种基于SOC的可训练柔性CNN系统设计方法，属于深度学习领域，用于实现嵌入式CNN系统的在线学习和结构柔性拓展。该方法首先构建包含学习引擎、前馈加速器和外部接口的CNN片上系统；然后进入在线学习模式，接收外部命令设置网络结构和样本个数，依次加载样本图像和权值数据，在学习引擎的控制下，分时复用前馈加速器，实现CNN网络的前向加速计算，并由学习引擎执行学习规则，推算新权值，依次实现各样本的学习；学习完毕进入预测模式，利用训练所得网络结构和权值参数，对输入图像进行预测。本发明能够实现嵌入式CNN系统的预测、在线学习和结构柔性扩展，且具有低功耗、低成本、高灵活性和强环境适应性等优点。

主权项

1.一种基于SOC的可训练柔性CNN系统设计方法，其特征在于，包括以下几个步骤：步骤1：利用FPGA片上软核或硬核处理器实现学习引擎，利用FPGA逻辑设计前馈加速器，并设计外部接口模块，构建基于SOC的可训练CNN系统的硬件框架；步骤2：使CNN系统进入在线学习阶段，通过外部接口设置网络结构参数，并初始化训练样本图像个数；步骤3：通过外部接口向CNN系统加载一个训练样本图像，同时初始化待加速网络层数和网络权值；步骤4：在学习引擎的控制下，分时复用前馈加速器，实现图像数据处理的前馈过程加速；步骤5：学习引擎访问最后一个待加速CNN网络层的运算结果，执行输出层，输出执行结果；步骤6：学习引擎根据学习规则，以最优化误差损失为目标函数，推算新权值；步骤7：将步骤6所得新权值作为初始化网络权值，重复步骤3～6，依次学习全部样本；步骤8：使CNN系统进入预测阶段，将步骤7所得最终网络权值作为初始化网络权值，通过外部接口加载待预测图像，重复步骤4～5，输出执行结果。