[發(fā)明專利]基于數據流的卷積神經網絡權重梯度優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 202011532343.4
• 申請日: 2020-12-22
• 公開（公告）號: CN112633498B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 劉強;孟浩
• 申請（專利權）人: 天津大學
• 主分類號: G06N3/082
• 分類號: G06N3/082;G06N3/0464
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李素蘭

1.一種基于數據流的卷積神經網絡權重梯度優(yōu)化方法，其特征在于，該方法具體包括如下步驟：

步驟1、將輸入圖像傳輸給行緩存模塊與列緩存模塊，拼接成(H-K+1)×(H-K+1)個K×K的卷積核大小進行周期性輸出；其中的行緩存模塊由K-1個FIFO構成，列緩存模塊由移位寄存器構成；

步驟2、將輸出圖像梯度存入到片上存儲，每當輸入圖像拼接成一個K×K的移動窗口，從BRAM取出一個對應的數據，具體計算方式如下：1)將第一個K×K的移動窗口覆蓋的輸入圖像與輸出圖像梯度的第一個數進行同時運算；2)將第二個K×K的移動窗口覆蓋的輸入圖像與輸出圖像梯度的第二個數進行同時運算；3)依此類推；并復制成K×K份；

步驟3、將步驟1拼接成的數據與步驟2復制后的數據同時輸入給K×K個乘法器單元進行計算，獲取K×K個結果；

步驟4、將步驟3計算的結果輸出給自相加模塊；重復步驟3，將獲得的結果與當前自相加模塊的結果進行相加，直至算到最后一個滑動窗口，獲得最終的結果；其中的自相加模塊由K×K個加法器構成。