[发明专利]基于可配置卷积层的卷积神经网络的算法优化方法及装置有效
| 申请号： | 201811525557.1 | 申请日： | 2018-12-13 |
| 公开（公告）号： | CN109558944B | 公开（公告）日： | 2021-02-19 |
| 发明（设计）人： | 朱明;班华忠;李志国;王正;李党 | 申请（专利权）人： | 北京智芯原动科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100101 北京市朝阳区北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了基于可配置卷积层的卷积神经网络的算法优化方法，该方法包括：对卷积神经网络的每个卷积层，分别采用基于Neon指令的定点化卷积滤波优化法和基于Neon指令的定点化卷积矩阵乘优化法，对卷积层进行优化处理，获取对应卷积层的第一性能评测数据和第二性能评测数据；针对卷积神经网络的每个卷积层，如果第一性能评测数据优于第二性能评测数据，则认为对应的卷积层最佳配置为基于Neon指令的定点化卷积滤波优化法，否则认为对应的卷积层最佳配置为基于Neon指令的定点化卷积矩阵乘优化法；根据卷积神经网络的每个卷积层的最佳配置，对卷积神经网络进行优化处理。与现有技术相比，本发明可以有效地提升卷积神经网络的运算性能。 | ||
| 搜索关键词： | 基于 配置 卷积 神经网络 算法 优化 方法 装置 | ||
【主权项】：
1.基于可配置卷积层的卷积神经网络的算法优化方法，其特征在于，该方法包括：第一步骤，对卷积神经网络的每个卷积层，分别采用基于Neon指令的定点化卷积滤波优化法，对卷积层进行优化处理，获取对应卷积层的第一性能评测数据；第二步骤，对卷积神经网络的每个卷积层，分别采用基于Neon指令的定点化卷积矩阵乘优化法，对卷积层进行优化处理，获取对应卷积层的第二性能评测数据；第三步骤，针对卷积神经网络的每个卷积层，如果第一性能评测数据优于第二性能评测数据，则认为对应的卷积层最佳配置为基于Neon指令的定点化卷积滤波优化法，否则认为对应的卷积层最佳配置为基于Neon指令的定点化卷积矩阵乘优化法；第四步骤，根据卷积神经网络的每个卷积层的最佳配置，对卷积神经网络进行优化处理。
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北京智芯原动科技有限公司，未经北京智芯原动科技有限公司许可，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/201811525557.1/，转载请声明来源钻瓜专利网。
