[发明专利]基于现场可编程门阵列的卷积神经网络硬件及其加速方法有效
| 申请号： | 201810187619.6 | 申请日： | 2018-03-07 |
| 公开（公告）号： | CN108764466B | 公开（公告）日： | 2022-02-11 |
| 发明（设计）人： | 李冰;步小康;刘勇;张林;董乾;沈克强;王刚;赵霞 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063;G06T1/20;G06T1/60 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 朱小兵 |
| 地址： | 210096 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于现场可编程门阵列的卷积神经网络硬件及其加速方法，现场可编程门阵列平台包括软件部分以及硬件部分。其中软件部分负责Off‑Chip memory的读写以及bit stream的加载控制，硬件部分负责卷积神经网络的加速处理，包括以下步骤：根据卷积神经网络的各层配置数据的不同，由软件部分控制加载不同的配置数据对现场可编程门阵列进行实时重构；根据卷积神经网络计算中的内存的读写需求，搭建软硬件协作系统；根据卷积神经网络的特点，对数据进行并行分批次处理，加速计算进行。该发明能够在现场可编程门阵列的硬件资源基础上搭建出符合卷积神经网络结构特点的硬件处理单元，相比于通用处理器具有低功耗、高性能的特点。 | ||
| 搜索关键词： | 基于 现场 可编程 门阵列 卷积 神经网络 硬件 及其 加速 方法 | ||
【主权项】：
1.一种基于现场可编程门阵列的卷积神经网络硬件加速方法，其特征在于，具体包括以下步骤：步骤1，根据卷积神经网络的各层配置数据的不同，由加载控制模块选择性地加载不同层级的配置数据对现场可编程门阵列进行实时重构；步骤2，根据卷积神经网络计算中输入特征图以及权值的存储需求，搭建由ARM硬核处理器以及现场可编程门阵列相结合的存储系统；步骤3，根据卷积神经网络各层级的特点，对各层级中的输入特征图和权值的乘法累加运算进行并行分批次处理，从而实现卷积神经网络计算的加速。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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东南大学，未经东南大学许可，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/patent/201810187619.6/，转载请声明来源钻瓜专利网。
