[发明专利]基于FPGA的深度神经网络的定点化计算方法及装置在审
| 申请号： | 201810690696.3 | 申请日： | 2018-06-28 |
| 公开（公告）号： | CN109002881A | 公开（公告）日： | 2018-12-14 |
| 发明（设计）人： | 于福海;张纪伟;景璐 | 申请（专利权）人： | 郑州云海信息技术有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 罗满 |
| 地址： | 450018 河南省郑州市*** | 国省代码： | 河南;41 |
| 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FPGA的深度神经网络的定点化计算方法及装置，该方法包括：对图像数据进行定点化处理，将图像数据中的浮点数转化为定点数；将神经网络的滤波器中的全部数值均量化为0或2的指数次幂；对定点化处理后的图像数据和量化后的滤波器进行位移加和操作，获取卷积结果；本发明通过将神经网络的滤波器中的全部数值均量化为0或2的指数次幂，可以使深度神经网络卷积过程中的点积操作转化为了较为廉价的移位加法操作，由于FPGA设备上的移位加法操作是基于逻辑单元进行实现的，因此能够从根本上使得神经网络在运算过程中摆脱对于硬件DSP的依赖，拓展了FPGA设备上神经网络单元的并行度、计算效率以及能耗比。 | ||
| 搜索关键词： | 神经网络 滤波器 图像数据 计算方法及装置 定点化处理 移位加法 指数次幂 量化 卷积 神经网络单元 计算效率 逻辑单元 运算过程 并行度 定点数 浮点数 点积 转化 能耗 拓展 | ||
【主权项】：
1.一种基于FPGA的深度神经网络的定点化计算方法，其特征在于，包括：对图像数据进行定点化处理，将所述图像数据中的浮点数转化为定点数；将神经网络的滤波器中的全部数值均量化为0或2的指数次幂；对定点化处理后的图像数据和量化后的滤波器进行位移加和操作，获取卷积结果。
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郑州云海信息技术有限公司，未经郑州云海信息技术有限公司许可，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/201810690696.3/，转载请声明来源钻瓜专利网。
