[發明專利]基于可重構計算的卷積神經網絡池化層、硬件實現方法及系統在審
| 申請號： | 201911014329.2 | 申請日： | 2019-10-23 |
| 公開（公告）號： | CN110942145A | 公開（公告）日： | 2020-03-31 |
| 發明（設計）人： | 李麗;鄭茜;傅玉祥;李偉;何國強;陳鎧 | 申請（專利權）人： | 南京大學 |
| 主分類號： | G06N3/063 | 分類號： | G06N3/063;G06N3/04 |
| 代理公司： | 南京泰普專利代理事務所(普通合伙) 32360 | 代理人： | 竇賢宇 |
| 地址： | 210023 江蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 可重構 計算 卷積 神經網絡 池化層 硬件 實現 方法 系統 | ||
1.基于可重構計算的卷積神經網絡池化層，其特征在于，包括：
控制單元，用于讀取配置信息，通過有限狀態機控制卷積神經網絡池化層的運算流程，通過調用最大池化/平均池化計算單元以實現最大池化和平均池化算法；
數據暫存單元，用于存儲計算所需的輸入層信息及輸出層結果；
最大池化/平均池化計算單元，用于計算輸出層中各個通道的信息。
2.根據權利要求1所述的基于可重構計算的卷積神經網絡池化層，其特征在于，所述配置信息包括通道數、每層的大小、池化核的大小、步長以及池化實現方式。
3.根據權利要求1所述的基于可重構計算的卷積神經網絡池化層，其特征在于，所述最大池化/平均池化計算單元由最大池化計算單元和平均池化計算單元組成，最大池化計算單元由
4.根據權利要求3所述的基于可重構計算的卷積神經網絡池化層，其特征在于，
5.根據權利要求3所述的基于可重構計算的卷積神經網絡池化層，其特征在于，所述數據暫存單元可拆分為4*
6.基于可重構計算的卷積神經網絡池化層的硬件實現方法，其特征在于，包括如下步驟：
步驟1、初始化：讀取存儲在緩存中的卷積神經網絡輸入層信息input及網絡配置信息，并將配置信息傳輸至控制單元，包含通道數，每層的大小，池化核的大小，步長以及池化實現方式；
步驟2、數據傳輸：控制器根據當前訪問層的通道數將對應的輸入層信息傳輸至數據暫存單元，傳輸結束后跳轉至步驟3；
步驟3、調用最大池化/平均池化計算單元：計算單元讀取數據暫存單元中存儲的信息，計算輸出層的信息并存入數據暫存單元中；
步驟4、判決：判斷是否已經計算完輸入層所有通道數的信息，未完成則返回步驟2)，已完成則結束算法，輸出結果。
7.一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求6所述方法的步驟。
8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求6所述方法的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京大學，未經南京大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911014329.2/1.html，轉載請聲明來源鉆瓜專利網。
