[发明专利]一种基于数据压缩的脉冲神经网络加速方法和装置

权利要求书

1.一种基于数据压缩的脉冲神经网络加速方法，其特征在于，所述方法包括：

获取脉冲神经网络的神经元输出的第一数据，并将所述第一数据进行类型转换，得到第二数据；其中，所述第一数据由两个数字组成，分别为零和非零数字；

将所述第二数据进行压缩处理，得到第三数据；

基于量化和反量化的方式，将所述第三数据进行卷积运算，得到目标卷积结果。

2.根据权利要求1所述的基于数据压缩的脉冲神经网络加速方法，其特征在于，所述将所述第一数据进行类型转换，得到第二数据包括：

获取所述第一数据的类型，其中，所述第一数据的类型为浮点型；

将所述浮点型的第一数据转换为定点型的数据，得到第二数据。

3.根据权利要求2所述的基于数据压缩的脉冲神经网络加速方法，其特征在于，所述将所述浮点型的第一数据转换为定点型的数据，得到第二数据包括：

将所述第一数据中的尾数定点取整，得到第二数据。

4.根据权利要求1所述的基于数据压缩的脉冲神经网络加速方法，其特征在于，所述将所述第二数据进行压缩处理，得到第三数据包括：

获取所述第一数据中的若干连续序列；其中，所述连续序列均由至少一个非零数字重复相连而成；

基于若干所述连续序列，对所述第二数据进行压缩处理，得到第三数据。

5.根据权利要求4所述的基于数据压缩的脉冲神经网络加速方法，其特征在于，所述基于若干所述连续序列，对所述第二数据进行压缩处理，得到第三数据包括：

记录每个连续序列的起始位置和终点位置；

将所述起始位置、所述终点位置和第二数据中一个非零数字存储，得到第三数据。

6.根据权利要求1所述的基于数据压缩的脉冲神经网络加速方法，其特征在于，所述基于量化和反量化的方式，将所述第三数据进行卷积运算，得到目标卷积结果包括：

获取所述脉冲神经网络的第一系数；其中，所述系数用于表征脉冲神经网络的权重；

将所述第一系数进行量化，得到第二系数；

将所述第三数据进行解压缩，得到第四数据；

将所述第二系数和所述第四数据进行卷积运算，得到中间卷积结果；

将所述中间卷积结果进行反量化，得到目标卷积结果。

7.根据权利要求6所述的基于数据压缩的脉冲神经网络加速方法，其特征在于，所述将所述第一系数进行量化，得到第二系数包括：

获取预设参数，其中，所述预设参数用于表征量化系数；

根据所述量化系数和所述第一系数，得到第二系数。

8.根据权利要求7所述的基于数据压缩的脉冲神经网络加速方法，其特征在于，所述根据所述量化系数和所述第一系数，得到第二系数包括：

将所述第一系数进行截断处理，得到第三系数；

将所述第三系数除以所述量化系数，得到第四系数；

根据所述第四系数，确定第二系数。

9.根据权利要求8所述的基于数据压缩的脉冲神经网络加速方法，其特征在于，所述根据所述第四系数，确定第二系数

将所述第四系数进行随机取整，得到第二系数。

10.根据权利要求1所述的基于数据压缩的脉冲神经网络加速方法，其特征在于，所述方法之后包括：

将所述目标卷积结果进行编码和反压缩，得到神经元脉冲信号。

11.一种基于数据压缩的脉冲神经网络加速装置，其特征在于，所述装置包括：

第二数据获得模块，用于获取脉冲神经网络的神经元输出的第一数据，并将所述第一数据进行类型转换，得到第二数据；其中，所述第一数据由两个数字组成，分别为零和非零数字；

第三数据获得模块，用于将所述第二数据进行压缩处理，得到第三数据；

卷积结果获得模块，用于基于量化和反量化的方式，将所述第三数据进行卷积运算，得到卷积结果。