[發(fā)明專利]一種CNN卷積層運(yùn)算方法及CNN卷積層運(yùn)算加速器

有效

• 申請?zhí)枺?/td>: 202010791455.5
• 申請日: 2020-08-07
• 公開（公告）號: CN111967582B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計）人: 楊繼林
• 申請（專利權(quán)）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063;G06T1/20
• 代理公司: 濟(jì)南舜源專利事務(wù)所有限公司 37205
• 代理人: 張營磊

1.一種CNN卷積層運(yùn)算方法，其特征在于，包括步驟：

S1、讀入用于對待處理特征圖像進(jìn)行CNN卷積層運(yùn)算的卷積核，并將讀入的卷積核轉(zhuǎn)化為權(quán)重矩陣，其中，卷積核為卷積核，為權(quán)重矩陣的元素，；

S2、按照預(yù)先設(shè)定的圖像大小閾值，讀取待處理特征圖像上的一個分塊圖像，并依據(jù)所述的權(quán)重矩陣計算當(dāng)前所讀入的分塊圖像對應(yīng)的CNN卷積層局部運(yùn)算結(jié)果；

S3、判斷整幅待處理特征圖像是否讀取完成，若是，則繼續(xù)執(zhí)行步驟S4，否則轉(zhuǎn)而重復(fù)執(zhí)行步驟S2；

S4、按照各所述分塊圖像之間的相對位置關(guān)系，排布步驟S2中得到的各CNN卷積層局部運(yùn)算結(jié)果，之后拼接得到整幅待處理特征圖像對應(yīng)的CNN卷積層運(yùn)算結(jié)果；

其中，步驟S2中依據(jù)所述的權(quán)重矩陣計算當(dāng)前所讀入的分塊圖像對應(yīng)的CNN卷積層局部運(yùn)算結(jié)果的實(shí)現(xiàn)方法包括步驟：

P1、將當(dāng)前讀入的分塊圖像轉(zhuǎn)化為圖像矩陣，其中，分塊圖像為像素的數(shù)字圖像，為圖像矩陣的元素；其中，；

P2、讀取權(quán)重矩陣的每一個元素、并分別獲取每一個元素各自對應(yīng)的由圖像矩陣中的所有需要與其做乘法運(yùn)算的元素構(gòu)成的乘積矩陣，并將每一個元素與其各自對應(yīng)的乘積矩陣相乘得到每一個元素各自對應(yīng)的局部矩陣；

P3、計算所得到的各局部矩陣的和，該和即為當(dāng)前所讀入的分塊圖像對應(yīng)的CNN卷積層局部運(yùn)算結(jié)果；

其中，步驟S2中每次讀取到的待處理特征圖像的分塊圖像互不相同；

其中，步驟S2中按照預(yù)先設(shè)定的圖像大小閾值，讀取待處理特征圖像上的一個分塊圖像，讀取方法包括：

在首次讀取分塊圖像時，按預(yù)先設(shè)定的讀取起始位置從待處理特征圖像上讀取一個滿足所述圖像大小閾值要求的分塊圖像；

在再次讀取分塊圖像時，每個所讀取到的分塊圖像均包含其各相鄰分塊圖像的k-1行或k-1列像素；

步驟P2中所涉及到的元素對應(yīng)的乘積矩陣包括以下情況：

在p=0且q=0時，所涉及到的元素對應(yīng)的乘積矩陣為圖像矩陣中除去第n-k+1、n-k+2、n-k+3、...、n-1列及除去第m-k+1、m-k+2、m-k+3、...、m-1行之后余下的所有的行和列形成矩陣；

在p=0且時，所涉及到的元素對應(yīng)的乘積矩陣為將圖像矩陣中除去第0、1、2、...、q-1、n-k+q+1、n-k+q+2、n-k+q+3、...、n-1列以及除去第m-k+1、m-k+2、m-k+3、...、m-1行之后余下的所有的行和列拼接形成的矩陣；

在且q=0時，所涉及到的元素對應(yīng)的乘積矩陣為，將圖像矩陣中除去第n-k+1、n-k+2、n-k+3、...、n-1列及除去第0、1、2、...、p-1、m-k+p+1、m-k+p+2、m-k+p+3、...、m-1行之后余下的所有的行和列拼接形成的矩陣；

在且時，所涉及到的元素對應(yīng)的乘積矩陣為將圖像矩陣中除去第0、1、2、...，q-1、n-k+q+1、n-k+q+2、n-k+q+3、...、n-1列及除去第0、1、2、...、p-1、m-k+p+1、m-k+p+2、m-k+p+3、...、m-1行之后余下的所有的行和列拼接形成的矩陣。

2.根據(jù)權(quán)利要求1所述的CNN卷積層運(yùn)算方法，其特征在于，

步驟S1中將轉(zhuǎn)化得到的權(quán)重矩陣存儲在緩存中；

步驟P1中將轉(zhuǎn)化為的圖像矩陣存儲在緩存中。

3.根據(jù)權(quán)利要求1所述的CNN卷積層運(yùn)算方法，其特征在于，該CNN卷積層運(yùn)算方法基于FPGA實(shí)現(xiàn)。

4.根據(jù)權(quán)利要求1所述的CNN卷積層運(yùn)算方法，其特征在于，步驟P2中采用乘法器陣列將每一個元素與其各自對應(yīng)的乘積矩陣相乘得到每一個元素各自對應(yīng)的局部矩陣。