[發明專利]卷積神經網絡加速方法及相關設備

在審

• 申請號: 201810981303.4
• 申請日: 2018-08-27
• 公開（公告）號: CN109117187A
• 公開（公告）日: 2019-01-01
• 發明（設計）人: 楊宏斌;方興;董剛;程云;劉栩辰
• 申請（專利權）人: 鄭州云海信息技術有限公司
• 主分類號: G06F9/30
• 分類號: G06F9/30;G06N3/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種卷積神經網絡加速裝置，其特征在于，所述裝置包括濾波器和存儲器，

所述濾波器用于從特征圖中獲取第一行數據，并將所述第一行數據存儲于所述存儲器，所述存儲器存儲一行寬度的所述第一行數據；

所述濾波器還用于對所述第一行數據進行維諾格拉德變換，得到第一計算結果；

所述濾波器還用于將至少兩個第二計算結果相加，得到卷積結果，其中，所述第二計算結果為對第二行數據進行維諾格拉德變換獲得，所述第一行數據和所述第二行數據歸屬于同一特征圖，且寬度均為一行。

2.根據權利要求1所述的裝置，其特征在于，所述裝置還包括寄存器，所述第一行數據中包含多個數據，

所述濾波器具體用于執行如下步驟：

1)從所述存儲器存儲的所述第一行數據中順序提取預設個數的所述數據，并通過所述寄存器進行鎖存；

2)對所述預設個數的數據進行維諾格拉德變換，得到第三計算結果；

重復執行步驟1)和步驟2)，直至對所述第一行數據中包含的多個數據均進行所述維諾格拉德變換，得到多個所述第三計算結果；

組合所述多個第三計算結果，得到所述第一計算結果。

3.一種濾波器，其特征在于，所述濾波器包括：

獲取單元，用于從特征圖中獲取第一行數據，所述第一行數據的寬度為一行；

變換單元，用于對所述第一行數據進行維諾格拉德變換，得到第一計算結果；

相加單元，用于將至少兩個第二計算結果相加，得到卷積結果，其中，所述第二計算結果為對第二行數據進行行維諾格拉德變換獲得，所述第一行數據和所述第二行數據歸屬于同一特征圖，且寬度均為一行。

4.根據權利要求3所述的濾波器，其特征在于，所述第一行數據中包含多個數據，

所述變換單元具體用于執行如下步驟：

1)從所述第一行數據中順序提取預設個數的所述數據，并通過所述寄存器進行鎖存；

2)對所述預設個數的數據進行維諾格拉德變換，得到第三計算結果；

重復執行步驟1)和步驟2)，直至對所述第一行數據中包含的多個數據均進行所述維諾格拉德變換，得到多個所述第三計算結果；

組合所述多個第三計算結果，得到所述第一計算結果。

5.一種卷積神經網絡加速方法，其特征在于，所述方法應用于濾波器，所述方法包括：

從特征圖中獲取第一行數據，所述第一行數據的寬度為一行；

對所述第一行數據進行維諾格拉德變換，得到第一計算結果；

將至少兩個第二計算結果相加，得到卷積結果，其中，所述第二計算結果為對第二行數據進行行維諾格拉德變換獲得，所述第一行數據和所述第二行數據歸屬于同一特征圖，且寬度均為一行。

6.根據權利要求5所述的方法，其特征在于，所述第一行數據包含多個數據，

1)從所述第一行數據中順序提取并鎖存預設個數的所述數據；

2)對所述預設個數的數據進行維諾格拉德變換，得到第三計算結果；

重復執行步驟1)和步驟2)，直至對所述第一行數據中包含的多個數據均進行所述維諾格拉德變換，得到多個所述第三計算結果；

組合所述多個第三計算結果，得到所述第一計算結果。

7.根據權利要求5所述的方法，其特征在于，所述將至少兩個第二計算結果相加，包括：

將所述至少兩個第二計算結果進行流水線相加。

8.根據權利要求6所述的方法，其特征在于，所述維諾格拉德變換具體表現為：

F(m,n)＝A^T[(Gg)⊙(B^Td)]

其中，所述m為所述第三計算結果的長度，所述n為卷積核的長度，當所述m和所述n確定時，所述A^T、所述G和所述B^T為確定取值的矩陣，g為濾波器系數，d為所述預設個數的數據，所述預設個數為m+n-1，所述(Gg)⊙(B^Td為對所述Gg和B^Td進行點積運算。