[发明专利]基于稀疏化Winograd算法的卷积计算方法和卷积神经网络加速器在审
| 申请号： | 201910648411.4 | 申请日： | 2019-07-18 |
| 公开（公告）号： | CN110334803A | 公开（公告）日： | 2019-10-15 |
| 发明（设计）人： | 王昊楠;刘文剑 | 申请（专利权）人： | 南京风兴科技有限公司 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063;G06N3/04;G06N3/08 |
| 代理公司： | 北京弘权知识产权代理事务所(普通合伙) 11363 | 代理人： | 逯长明;许伟群 |
| 地址： | 210000 江苏省南京市*** | 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： |
本实施例提供一种基于稀疏化Winograd算法的卷积计算方法及卷积神经网络加速器，涉及集成电路及人工智能领域技术领域。该方法包括对激活数据进行分片，获得多个分片数据d；对每一个分片数据d进行域变换，获得U；以及，获取每一个分片数据d的权重数据V；访问每一组U和V中，所有相同地址上的两个非零值进行点乘计算，获得 |
||
| 搜索关键词： | 分片数据 卷积计算 加速器 点乘 卷积神经网络 激活数据 非零 卷积 算法 稀疏 人工智能领域 变换矩阵 乘法操作 快速访问 权重数据 融合数据 数据相加 同一像素 域变换 冗余 集成电路 访问 | ||
【主权项】：
1.一种基于稀疏化Winograd算法的卷积计算方法，其特征在于，包括：对激活数据进行分片，获得多个分片数据d；对每一个所述分片数据d进行域变换，获得U；以及，获取每一个所述分片数据d的权重数据V；访问每一组U和V中，所有相同地址上的两个非零值进行点乘计算，获得![]()
将所有![]()
中的同一像素位置的点乘数据相加，获得融合数据W；根据Winograd卷积公式Y＝ATWA，计算所述激活数据的卷积Y，其中，A为第一变换矩阵。
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南京风兴科技有限公司，未经南京风兴科技有限公司许可，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/201910648411.4/，转载请声明来源钻瓜专利网。
