[发明专利]一种卷积神经网络的运算方法、装置和服务器

权利要求书

1.一种卷积神经网络的运算方法，其特征在于，包括：

获取卷积核和输入矩阵；其中，所述卷积核包含m行n列的权重系数，所述输入矩阵包含r行s列的数据，m、n、r和s均大于0的整数；

确定所述卷积核的每个权重系数在所述输入矩阵中连续分布的m行所对应的数据；

根据每个权重系数在所述输入矩阵中连续分布的m行所对应的数据生成第一中间矩阵；其中，所述第一中间矩阵包含n*m行(s-n+1)列的数据；

统计所述第一中间矩阵中每行的相同数据连续分布的数量，以及根据统计结果生成第二中间矩阵；其中，所述第二中间矩阵中的每个数据包括数值和长度；

将所述卷积核的每个权重系数乘以在所述第二中间矩阵中对应的行后得到预处理矩阵；

根据预设顺序将所述预处理矩阵n*m行进行求和得到所述输入矩阵的m行对应的卷积行；

根据所述输入矩阵的r行得到r-m+1个卷积行，以及根据r-m+1个卷积行得到所述输入矩阵的卷积矩阵。

2.如权利要求1所述的方法，其特征在于，所述将所述卷积核的每个权重系数乘以在所述第二中间矩阵中对应的行后得到预处理矩阵包括：

获取所述卷积核中的一个权重系数，以及获取所述权重系数在所述第二中间矩阵中对应的行中的一个数据；

根据所述权重系数和所述数据得到输出数据；其中，所述输出数据的数值等于权重系数与所述数据的数值的乘积，所述输出数据的长度等于所述数据的长度。

3.如权利要求2所述的方法，其特征在于，所述根据预设顺序将所述预处理矩阵n*m行进行求和得到所述输入矩阵的m行对应的卷积行的步骤中，两个行之间的求和过程包括：

从第一行中取出首个数据(a，L1)和从第二行取出首个数据(b，L2)；a和b表示数值，L1和L2表示长度；

在L1＝L2的情况下，(a，L1)+(b，L2)＝(a+b，L1)，从所述第一行中取出下一个数据和从所述第二行中取出下一个数据进行继续求和；

在L1>L2的情况下,(a，L1)+(b，L2)＝(a+b，L2)，从所述第二行取出下一个数据；将(a，L1)更新为(a，L1-L2)，将从所述第二行取出的下一个数据和(a，L1-L2)继续求和；

在L1<L2的情况下，(a，L1)+(b，L2)＝(a+b，L1)，从第一行中取出下一个数据，将(b，L2)更新为(b，L2-L1)，将从所述第一行中取出的下一个数据和b(L2-L1)继续求和；

在所述第一行和所述第二行中所有的数据完成求和，将每次求和得到的结果按顺序进行排列得到求和结果。

4.如权利要求1-3任意一项所述的方法，其特征在于，所述统计所述第一中间矩阵中每行的相同数据连续分布的数量包括：

对于所述第一中间矩阵中的每行，以串行方式输出数据；

比较当前输入的数据和上次输入的元素是否相同；

若为是，将所述当前输入的数据的长度加1；

若不相同，输入所述当前输入的数据的数值和长度。

5.如权利要求4所述的方法，其特征在于，m＝n。

6.一种卷积神经网络的运算装置，其特征在于，包括：

预处理单元，用于获取卷积核和输入矩阵；其中，所述卷积核包含m行n列的权重系数，所述输入矩阵包含r行s列的数据，m、n、r和s均大于0的整数；确定所述卷积核的每个权重系数在所述输入矩阵中连续分布的m行所对应的数据；根据每个权重系数在所述输入矩阵中连续分布的m行所对应的数据生成第一中间矩阵；其中，所述第一中间矩阵包含n*m行(s-n+1)列的数据；统计所述第一中间矩阵中每行的相同数据连续分布的数量，以及根据统计结果生成第二中间矩阵；其中，所述第二中间矩阵中的每个数据包括数值和长度；

乘法控制单元，用于将所述卷积核的每个权重系数乘以在所述第二中间矩阵中对应的行后得到预处理矩阵；

加法控制单元，用于根据预设顺序将所述预处理矩阵n*m行进行求和得到所述输入矩阵的m行对应的卷积行；

生成单元，用于根据所述输入矩阵的r行得到r-m+1个卷积行，以及根据r-m+1个卷积行得到所述输入矩阵的卷积矩阵。