[发明专利]加速库的设计方法、终端设备及存储介质有效
| 申请号： | 201910880303.X | 申请日： | 2019-09-16 |
| 公开（公告）号： | CN110490308B | 公开（公告）日： | 2022-02-18 |
| 发明（设计）人： | 张洪光 | 申请（专利权）人： | 普联技术有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063;G06F16/21 |
| 代理公司： | 深圳中一联合知识产权代理有限公司 44414 | 代理人： | 李娟 |
| 地址： | 518000 广东省深圳市南山区深南路科技*** | 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： | 本发明适用于计算机技术领域，提供了加速库的设计方法、终端设备及存储介质，所述方法包括：将卷积神经网络CNN模型的数据进行定点化，以采用整型数据表示所述CNN模型的浮点型数据；通过磁盘直接存储器存取DDMA优化方案，将所述CNN模型的隐层对应的隐层数据载入到内部内存IDM中；根据载入到所述IDM中的隐层数据，通过所述CEVA DSP芯片的向量处理单元VPU对所述隐层数据进行计算，以对所述CNN模型进行优化。本加速库通过DDMA技术和VPU指令对CNN模型进行优化，支持CNN模型的大部分操作，可将本加速库移植到现有前向推理引擎中，使现有前向推理引擎支持DSP优化，以及支持在本加速库的基础上开发新的前向推理框架。 | ||
| 搜索关键词： | 加速 设计 方法 终端设备 存储 介质 | ||
【主权项】：
1.一种前向推理引擎加速库的设计方法，基于CEVA DSP芯片，其特征在于，所述方法包括：/n将卷积神经网络CNN模型的数据进行定点化，以采用整型数据表示所述CNN模型的浮点型数据；/n通过磁盘直接存储器存取DDMA优化方案，将所述CNN模型的隐层对应的隐层数据载入到内部内存IDM中；/n通过所述CEVA DSP芯片的向量处理单元VPU对所述隐层数据进行计算，以对所述CNN模型进行优化。/n
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普联技术有限公司，未经普联技术有限公司许可，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/201910880303.X/，转载请声明来源钻瓜专利网。
