[发明专利]卷积计算方法及装置

摘要

本申请公开了一种卷积计算方法及装置，属于卷积神经网络领域。所述方法包括：通过包括卷积层和应用层的卷积神经网络获取应用程序的应用数据，通过第t个卷积层获取输入矩阵，对输入矩阵进行傅里叶变换得到频域输入矩阵，获取预存的卷积核频域矩阵，将卷积核频域矩阵与频域输入矩阵相乘得到频域乘积矩阵，对频域乘积矩阵进行傅里叶逆变换得到第t个卷积层的输出矩阵，将第h个卷积层的输出矩阵作为应用数据的特征，通过应用层对特征进行应用处理。本申请解决了由于卷积核的尺寸越来越小，卷积运算时的运算次数变多，卷积运算效率没有明显提高，不能满足卷积神经网络中对卷积的运算需求的问题，达到了提高卷积运算效率的效果。

主权项

1.一种卷积计算方法，其特征在于，应用于运行有卷积神经网络的处理器和/或集成电路芯片ASIC中，所述方法包括：通过所述卷积神经网络获取应用程序的应用数据，所述卷积神经网络包括h个卷积层和应用层，h为正整数；通过所述卷积神经网络中的第t个卷积层获取所述第t个卷积层的输入矩阵，所述输入矩阵是所述应用数据或由位于所述第t个卷积层之前的其它卷积层对所述应用数据进行特征提取后得到的输出矩阵，t为正整数，1≤t≤h；通过所述第t个卷积层对所述输入矩阵进行傅里叶变换得到频域输入矩阵；通过所述第t个卷积层获取预先存储的卷积核频域矩阵，所述卷积核频域矩阵是对卷积核矩阵进行傅里叶变换得到的，所述卷积核矩阵是预先根据样本应用数据进行训练后得到的矩阵，所述卷积核矩阵是用于对所述输入矩阵进行特征提取的矩阵；通过所述第t个卷积层将所述卷积核频域矩阵与所述频域输入矩阵相乘得到频域乘积矩阵，所述频域乘积矩阵是对所述输入矩阵提取到的特征在频域的矩阵表示；通过所述第t个卷积层对所述频域乘积矩阵进行傅里叶逆变换得到所述第t个卷积层的输出矩阵，所述输出矩阵是对所述输入矩阵提取到的特征在时域的矩阵表示；将第h个卷积层的所述输出矩阵作为所述应用数据的特征，通过所述卷积神经网络的应用层对所述应用数据的特征进行应用处理。