[发明专利]面向向量处理器的基于SIMD的平均值值池化并行处理方法

权利要求书

1.一种面向向量处理器的基于SIMD的平均值值池化并行处理方法，其特征在于，步骤为：

S1：设卷积操作后需要进行池化操作的池化矩阵为A，其大小为M×N，池化窗口的尺寸为k×k，且M>k，N>k，向量处理单元的个数为p，且M、N、p为k的整数倍；

S2：根据池化窗口尺寸k，取池化矩阵A的前k行元素进行相应的累加操作，得出前k行元素对应的列和；

S3：配置混洗模式并进行混洗；

S4：将步骤S3中得到的结果对应相加；

S5：重复步骤S3、S4直到每组元素的数值归约至p/k个VPE中为止；

S6：使用向量VMOVI指令将立即数赋值给一个向量寄存器，并将此向量寄存器与步骤S5中的累加和一一对应相乘；

S7：最终得出p/k个平均值池化的结果向量；

S8：顺移至池化矩阵A的k+1行，重复上述步骤S2到步骤S7直至遍历完池化矩阵A的所有子图，得到池化矩阵A的所有尺寸为k×k的平均值池化结果矩阵。

2.根据权利要求1所述的面向向量处理器的基于SIMD的平均值值池化并行处理方法，其特征在于，所述步骤S3的详细流程为：

S301：若k为偶数，则将步骤S2中p/k组中每组元素的前k/2个元素放置在一起，每组的后k/2个元素放置在一起；

S302：若k为奇数，以k为3，p为12为例，即池化窗口的尺寸为3×3，向量处理单元的个数为12。

3.根据权利要求1所述的面向向量处理器的基于SIMD的平均值值池化并行处理方法，其特征在于，所述步骤S8中的一个平均值池化结果c_0,0的计算公式为其中c_0,0为平均值池化结果矩阵中的第一个元素，k为池化窗口的尺寸，在卷积神经网络中，池化窗口为方阵，a_i,j为需要进行平均值池化的池化矩阵A中的元素。

4.根据权利要求1或2或3所述的面向向量处理器的基于SIMD的平均值值池化并行处理方法，其特征在于，所述定义池化窗口的大小为sizeX，两个相邻池化窗口的水平位移或竖直位移为stride，平均值池化操作中池化窗口不重叠，即sizeX＝stride。

5.根据权利要求1或2或3所述的面向向量处理器的基于SIMD的平均值值池化并行处理方法，其特征在于，所述池化矩阵A和池化窗口尺寸k均为方阵。