[發明專利]神經網絡處理器、卷積神經網絡數據復用方法及相關設備

有效

• 申請號: 201811614780.3
• 申請日: 2018-12-27
• 公開（公告）號: CN109740732B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 李煒;曹慶新
• 申請（專利權）人: 深圳云天勵飛技術有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 楊毅玲

1.一種神經網絡處理器，其特征在于，所述神經網絡處理器包括：

存儲電路，用于存儲進行卷積運算所需的初始輸入數據和權重值；

至少一個計算電路，用于從所述存儲電路中讀取所述初始輸入數據和所述權重值，并基于所述初始輸入數據和所述權重值進行卷積運算，其中，所述至少一個計算電路包括：

數據緩存器，用于緩存所述計算電路讀取的所述初始輸入數據；

權重緩存器，用于緩存所述計算電路讀取的所述權重值；

卷積運算器，用于在當前層卷積神經網絡中根據所述初始輸入數據及所述權重值進行卷積運算得到多個第一卷積結果，并將具有對應關系的所述第一卷積結果進行累加后得到多個第二卷積結果；同時，當對所有具有對應關系的所述第一卷積結果進行累加后，刪除所述多個第一卷積結果；

結果緩存器，用于緩存所述多個第二卷積結果，當所述當前層卷積神經網絡不為最后一層卷積神經網絡時，將所述多個第二卷積結果確定為中間的卷積結果，并將所述中間的卷積結果發送至所述數據緩存器，作為下一層卷積神經網絡的所述初始輸入數據；當所述當前層卷積神經網絡為最后一層卷積神經網絡時，所述結果緩存器將所述多個第二卷積結果確定為最終的卷積結果，并將所述最終的卷積結果發送至所述存儲電路中進行存儲。

2.如權利要求1所述的神經網絡處理器，其特征在于，所述卷積運算器在當前層卷積神經網絡中根據所述初始輸入數據及所述權重值進行卷積運算得到多個第一卷積結果包括：

將所述初始輸入數據的第Q行數據與預設卷積核的第L行數據進行卷積運算，對應得到的數據為第三卷積結果的第Q-L+1行的子數據；

將所有位于第Q-L+1行的子數據進行累加，得到第Q-L+1行的數據；

根據所述第三卷積結果與所述權重值進行卷積運算得到多個所述第一卷積結果；

其中，Q的取值范圍為1至M，M為所述初始輸入數據的總行數，L的取值范圍為1至N，N為所述預設卷積核的總行數。

3.如權利要求2所述的神經網絡處理器，其特征在于，將所述初始輸入數據的所述第Q行數據分別與所述預設卷積核的每行數據都進行卷積運算，并當所述第Q行數據與所述預設卷積核的所有行數據都進行了卷積運算之后，對所述初始輸入數據的所述第Q行數據進行刪除，直至將所述初始輸入數據刪除完畢。

4.一種卷積神經網絡數據復用方法，應用于電子設備中，其特征在于，所述電子設備包括如權利要求1至3中任意一項所述的神經網絡處理器，所述方法包括：

通過所述存儲電路存儲進行卷積運算所需的初始輸入數據和權重值；

控制所述至少一個計算電路在當前層卷積神經網絡中根據所述初始輸入數據及所述權重值進行卷積運算得到多個第一卷積結果，將具有對應關系的所述第一卷積結果進行累加后得到多個第二卷積結果；

當對所有具有對應關系的所述第一卷積結果進行累加后，控制所述至少一個計算電路刪除所述多個第一卷積結果；

當所述當前層卷積神經網絡不為最后一層卷積神經網絡時，將所述多個第二卷積結果確定為中間的卷積結果，并將所述中間的卷積結果發送至所述至少一個計算電路中進行緩存，作為下一層卷積神經網絡的所述初始輸入數據；

當所述當前層卷積神經網絡為所述最后一層卷積神經網絡時，將所述多個第二卷積結果確定為最終的卷積結果，并將所述最終的卷積結果發送至所述存儲電路中。

5.如權利要求4所述的方法，其特征在于，控制所述至少一個計算電路在當前層卷積神經網絡中根據所述初始輸入數據及所述權重值進行卷積運算得到多個第一卷積結果包括：

將所述初始輸入數據的第Q行數據與預設卷積核的第L行數據進行卷積運算，對應得到的數據為第三卷積結果的第Q-L+1行的子數據；

將所有位于第Q-L+1行的子數據進行累加，得到第Q-L+1行的數據；

根據所述第三卷積結果與所述權重值進行卷積運算得到多個所述第一卷積結果；

其中，Q的取值范圍為1至M，M為所述初始輸入數據的總行數，L的取值范圍為1至N，N為所述預設卷積核的總行數。