[发明专利]卷积神经网络操作实现方法、装置、设备及存储介质

权利要求书

1.一种卷积神经网络操作实现方法，其特征在于，所述方法包括：

将待处理图像数据分别读取到第一预设数目个第一缓存器中；

将卷积神经网络的权值数据分别读取到第二预设数目个第二缓存器中；所述第二预设数目小于所述第一预设数目；

基于所述权值数据对所述待处理图像数据进行第三预设数目并行度的卷积神经网络操作；所述第三预设数目为所述第一预设数目的整数倍。

2.根据权利要求1所述的方法，其特征在于，基于所述权值数据对所述待处理图像数据进行第三预设数目并行度的卷积神经网络操作，包括：

基于预设卷积核的尺寸，自每个第一缓存器中均读出相应数目的待处理图像数据；

根据第二缓存器中的权值数据和所述预设卷积核，对读出的待处理图像数据分别进行第三预设数目并行度的卷积操作。

3.根据权利要求2所述的方法，其特征在于，根据第二缓存器中的权值数据和所述预设卷积核，对读出的待处理图像数据分别进行第三预设数目并行度的卷积操作，包括：

根据预设卷积核，将自每个第一缓存器中读出的待处理图像数据分别与对应数目的权值数据进行累加计算，得到第三预设数目个第一中间数据；

根据预设卷积核和预设依赖关系对所述第一中间数据进行累加运算；

基于所有累加运算的结果得到待处理图像数据的卷积操作结果。

4.根据权利要求3所述的方法，其特征在于，每个缓存器中均存储第四预设数目行，所述第四预设数目行等于所述第二预设数目，且二者的乘积等于所述第一预设数目；

根据预设卷积核，将自每个第一缓存器中读出的待处理图像数据分别与对应数目的权值数据进行累加运算，得到第三预设数目个第一中间数据，包括：

将自每个第一缓存器中读出的每行待处理图像数据，均分别与对应的第五预设数目行的权值数据进行乘法计算；所述第五预设数目等于预设卷积核的高度。

5.根据权利要求4所述的方法，其特征在于，所述根据预设卷积核和预设依赖关系对所述第一中间数据进行累加运算，包括：

将预设卷积核的最下面一行与第一中间数据的第目标数目行重叠，并将第目标数目行待处理图像数据和预设卷积核的每行分别做累加运算；

将所述预设卷积核依次向下平移一个步长，将上次运算的上一行待处理图像数据和预设卷积核的每行分别做累加运算，直至遍历完所有像素点的。

6.根据权利要求5所述的方法，其特征在于，所述基于所有累加运算的结果得到待处理图像数据的卷积操作结果，包括：

对于每行像素点，分别确定该行待处理图像数据及多个相邻行待处理图像数据分别对应的一组中间运算结果；

按照预设规则，自每行待处理图像数据对应的中间运算结果中各选取一个中间运算结果，组成该行像素点的卷积操作结果。

7.根据权利要求2-6任一项所述的方法，其特征在于，所述自每个第一缓存器中均读出相应数目的待处理图像数据之后，还包括：

采用寄存器打拍方式，依次将自每个第一缓存器中读出的待处理图像数据进行缓存。

8.一种卷积神经网络操作实现装置，其特征在于，包括：

第一读取模块，用于将待处理图像数据分别读取到第一预设数目个第一缓存器中；

第二读取模块，用于将卷积神经网络的权值数据分别读取到第二预设数目个第二缓存器中；所述第二预设数目小于所述第一预设数目；

卷积操作模块，用于基于所述权值数据对所述待处理图像数据进行第三预设数目并行度的卷积神经网络操作；所述第三预设数目为所述第一预设数目的整数倍。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。