[发明专利]一种适用于神经网络的池化装置及方法

说明书

本发明涉及一种适用于神经网络的池化装置，包括神经元输入接口模块，用于接收神经元数据，并识别有效神经元数据；池化缓存模块，用于暂存复用神经元数据；池化计算模块，用于完成针对神经元数据的池化计算；神经元输出接口模块，用于输出池化计算结果；以及池化控制模块，用于控制所述池化装置的各个模块和池化过程。

技术领域

本发明涉及计算领域，特别涉及一种适用于神经网络的池化装置及方法。

背景技术

神经网络是人工智能领域具有高发展水平的感知模型之一，因广泛的应用和出色的表现使其成为了学术界和工业界的研究热点。神经网络通过模拟人类大脑的神经连接结构来建立模型，为大规模数据(例如图像、视频或音频)处理任务带来了突破性进展。神经网络的计算过程一般可分为卷积、激活、池化等步骤，其中，神经网络的各层次特征图尺寸可随着池化操作组成减少，以达到计算收敛效果，高效的池化装置有利于节约神经网络的硬件成本。

在实际应用中，不同神经网络模型的池化尺寸、池化复用选择以及池化数据的调度会存在差异。而现有技术中的池化装置，很难在满足神经网络加速器兼容性要求的同时，保持神经网络芯片的低能耗，这就极大限制了神经网络芯片的效率以及对不同网络的兼容性。

因此，需要一种兼容性好且能耗低的适用于神经网络的池化装置及方法。

发明内容

本发明提供一种适用于神经网络的池化装置包括：神经元输入接口模块，用于接收神经元数据，并识别有效神经元数据；池化缓存模块，用于暂存复用神经元数据；池化计算模块，用于完成针对神经元数据的池化计算；神经元输出接口模块，用于输出池化计算结果；以及池化控制模块，用于控制所述池化装置的各个模块和池化过程。

优选的，所述池化控制模块还用于接收并分析池化参数。

优选的，所述池化控制模块根据所述池化参数判断是否在池化过程中采用复用策略。

优选的，所述池化参数包括池化域的步长和边长。

优选的，若所述步长小于边长，则采用复用策略，所述池化控制模块控制所述池化计算模块执行计算，并控制所述池化缓存模块启动。

优选的，所述池化计算模块从所述神经元输入接口模块和所述池化缓存模块接收神经元数据。

优选的，所述神经元数据是经拼接组成的单个池化域神经元数据。

优选的，若所述步长等于边长，则不采用复用策略，所述池化控制模块控制所述池化计算模块对所述神经元直接执行计算，并控制所述池化缓存模块不启动。

优选的，所述计算池化控制模块还用于控制所述池化装置的休眠和启动。

根据本发明的另一个方面，还一种适用于神经网络的池化方法，包括以下步骤：

接收并分析池化参数，生成有效数据编码并确定复用策略；

根据所述有效数据编码接收有效神经元数据，根据所述复用策略判定是否存储复用神经元数据；

针对所述有效神经元数据或者所述有效神经元数据和所述复用神经元数据拼接组成的神经元数据进行池化计算并输出计算的最终结果。

相对于现有技术，本发明取得了如下有益技术效果：本发明提供的应用于神经网络的池化装置及方法，通过分析神经网络的池化参数，获得有效数据编码和复用策略，利用暂存数据的方式实现池化过程中数据的复用，从而实现利用固定的运算单元对不同池化范围的神经元进行分批激活，提升了池化装置的兼容性；同时为池化装置设立了休眠和启动机制，降低了神经网络芯片的能耗。

附图说明

图1是本发明提供的适用于神经网络的池化装置。

图2是利用图1所示的池化装置进行池化的方法流程图。