[发明专利]一种面向稀疏二维卷积的运算方法和系统有效
申请号: | 201811124528.4 | 申请日: | 2018-09-26 |
公开(公告)号: | CN109840585B | 公开(公告)日: | 2023-04-18 |
发明(设计)人: | 李家军;鄢贵海;李晓维 | 申请(专利权)人: | 中国科学院计算技术研究所 |
主分类号: | G06F17/16 | 分类号: | G06F17/16;G06N3/0464 |
代理公司: | 北京律诚同业知识产权代理有限公司 11006 | 代理人: | 祁建国;梁挥 |
地址: | 100080 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 面向 稀疏 二维 卷积 运算 方法 系统 | ||
1.一种面向稀疏二维卷积的运算方法,其特征在于,包括:
步骤1,获取运算单元中乘累加阵列的阵列行数和列数,以将输入特征图存储至输入特征缓存,将卷积核经过压缩处理后存储至卷积核缓存,并将初始化的输出特征图存储至输出特征图缓存,Pk指针指向该卷积核缓存中的第一行,Pi指针指向该输入特征图缓存中的第一行;
步骤2,根据卷积配置参数、该Pk指针指向的索引值、该Pk指针指向的地址和该Pi指针指向的地址,得到输出特征图缓存的地址,该卷积配置参数包括:该阵列行数、该阵列列数、该输入特征图的尺寸和该卷积核的尺寸;
步骤3,根据输出特征图缓存的地址,读取该输出特征图缓存中的数据,并将其存储至输出矩阵寄存器组;
步骤4,该Pk指针指向的数据值和该Pi指针指向的数据值进行标量矩阵乘法,所得结果再与该输出矩阵寄存器组中数据进行矩阵加法,所得结果根据输出特征图数据的地址写回至该输出特征图缓存;
步骤5,将Pk指向下一行,判断该Pk指针指向的缓存行是否存有卷积核数据,若是,则执行步骤2,否则将该Pk指针指向卷积核缓存中的第一行;
步骤6,将Pi指向下一行,判断该Pi指针指向的缓存行是否存储有输入特征图数据,若是,则执行步骤2,否则输出该输出特征图缓存,计算结束。
2.如权利要求1所述的面向稀疏二维卷积的运算方法,其特征在于,该步骤2还包括:
步骤21,根据该输入特征图的尺寸和该卷积核的尺寸,得到输出特征图高度和输出特征图宽度。
3.如权利要求1所述的面向稀疏二维卷积的运算方法,其特征在于,卷积核数据采用压缩编码的形式存储,该编码方式包括:记录卷积核中非零数据值;记录能够还原非零数据值在二维卷积核中坐标位置的信息。
4.如权利要求1所述的面向稀疏二维卷积的运算方法,其特征在于,该步骤2还包括:
步骤22,根据该卷积核缓存的索引信息、该卷积核缓存行中的地址信息和卷积配置参数,得到该卷积核缓存中当前缓存行的数据在卷积核中的第一坐标信息;
步骤23,根据该输入特征图缓存中缓存行指针的信息、卷积配置参数、该乘累加阵列的行数和列数,得到输入特征图当前缓存行存储数据在输入特征图的第二坐标信息;
步骤24,根据卷积配置参数、该第一坐标信息和该第二坐标信息,得到对应的输出特征图中的第三坐标信息;
步骤25,根据卷积配置参数、该第三坐标信息,得到输出特征图数据在输出特征图缓存中的地址。
5.如权利要求4所述的面向稀疏二维卷积的运算方法,其特征在于,
该步骤22具体包括,
计算该卷积核缓存中当前缓存行的值在卷积核中的坐标(r,s):
其中floor()函数为向下取整,%为取余函数,Ii为该卷积核缓存中第(i+1)个缓存行存储的索引数据,S为该卷积核的宽度;
该步骤23具体包括,根据当前缓存行第一个数据的坐标(j,0),计算(j,0)在输入特征图中的坐标记为(h,w):
h=floor(j/ceil(W/M))*N
w=j%ceil(W/M)*N
其中ceil()函数为向上取整,M为乘累加阵列的列数,N为乘累加阵列的行数,W为输入特征图宽度;
根据(h,w)计算该第二坐标信息:
其中矩阵A代表该第二坐标信息,min()函数为取两个数的较小值,H为该输入特征图的高度;
步骤24中该第三坐标信息的计算公式为:
其中R为该卷积核的高度,S为该卷积核的宽度,矩阵B为该第三坐标信息;
该步骤25具体为,对于该矩阵B的任意元素(r,c),计算其在输出特征图中缓存地址(x,y):
y=M×(r%N)+c%M
对该矩阵B中所有元素坐标进行上述运算,以求得所有输出特征图缓存的地址。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所,未经中国科学院计算技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811124528.4/1.html,转载请声明来源钻瓜专利网。