[发明专利]卷积神经网络的加速运算方法、服务器及存储介质

权利要求书

1.一种卷积神经网络的加速运算方法，其特征在于，所述方法包括：

加速运算服务器获取待拆分map；

判断所述待拆分map是否需要进行边界补充，若需要，对所述待拆分map进行边界补充，并将边界补充后的待拆分map作为新的待拆分map；

对所述待拆分map进行卷积和池化操作，将进行卷积和池化操作后的待拆分map拆分成预设数量的子map，并获取各子map的位置信息；

对各子map分别进行跨层运算，获取每一层运算的中间结果，将所述中间结果存入内部存储器中；

提取所述内部存储器中的中间结果参与下一层运算，直至获得最终运算结果；

按照所述位置信息对所述最终运算结果进行拼接，获得用于后续网络计算的拼接结果。

2.如权利要求1所述的方法，其特征在于，所述对所述待拆分map进行边界补充，并将边界补充后的待拆分map作为新的待拆分map，具体包括：

获取预设跨层层数与预设卷积核尺寸；

根据所述预设跨层层数与所述预设卷积核尺寸计算出所述边界补充的数量；

根据所述边界补充的数量对所述待拆分map进行边界补充，并将边界补充后的待拆分map作为所述新的待拆分map；所述预设跨层层数为所述待拆分map跨越卷积神经网络的层数。

3.如权利要求2所述的方法，其特征在于，所述获取预设跨层层数与预设卷积核尺寸，其中，获取预设卷积核尺寸具体包括：

获取所述待拆分map进行卷积和池化操作的预设卷积核的类型，根据所述预设卷积核的类型获取所述预设卷积核尺寸。

4.如权利要求2所述的方法，其特征在于，所述根据所述预设跨层层数与所述预设卷积核尺寸计算出所述边界补充的数量具体包括：

根据所述预设跨层层数与所述预设卷积核尺寸通过下式计算出所述边界补充的数量：

其中S为所述边界补充的数量，T代表所述预设跨层层数中池化层的总数量，数组L_t代表所述预设跨层层数中第t个池化层的倍数，索引号是t，t＝1～T；数组N_i代表所述预设跨层层数中第i-1次到第i次池化层之间的卷积层的数量，索引号是i，i＝1～T；二维数组K_ij代表所述预设跨层层数中第i-1次到第i次池化层之间的第j个卷积层的卷积核尺寸，j为第i-1次到第i次池化层之间多个卷积层的索引号，j＝1～N_i，对应的卷积核就是一个K_ij*K_ij矩阵，S、T、L_t、N_i、K_ij均为大于0的整数。

5.如权利要求4所述的方法，其特征在于，所述根据所述预设跨层层数与所述预设卷积核尺寸通过下式计算出所述边界补充的数量之后，所述方法还包括：

根据所述边界补充的数量对R*C矩阵待拆分map进行边界补充，以获得R0*C0矩阵待拆分map；

将所述R0*C0矩阵待拆分map按照预设拆分方式拆分为a*b个子map；

其中R0＝R+S，C0＝C+S，R为所述R*C矩阵待拆分map的行数数，C为R*C矩阵待拆分map的列数数，R0为所述R0*C0矩阵待拆分map的行数，C0为所述R0*C0矩阵待拆分map的列数。