[发明专利]基于费马数变换的卷积神经网络硬件加速架构在审
| 申请号： | 201711069111.8 | 申请日： | 2017-11-03 |
| 公开（公告）号： | CN108229666A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 张川;徐炜鸿;尤肖虎 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06N3/06 | 分类号： | G06N3/06;G06N3/04;G06N3/08 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 孟红梅 |
| 地址： | 210088 江苏*** | 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： | 本发明提出了一种基于费马数变换的卷积神经网络硬件加速架构，包括：二维FNT模块、乘法器矩阵以及二维IFNT模块；其中二维FNT模块包括横向FNT模块、第一矩阵转置模块和纵向FNT模块；输入矩阵先由横向FNT模块按行进行费马数变换，再由纵向FNT模块按列进行费马数变换；变换后的结果与经费马数变换后的滤波器输入乘法器矩阵实现相乘运算；二维IFNT模块对乘法器矩阵输出的有限域相乘结果进行逆费马数变换。二维FNT中的每个一维FNT以及二维IFNT中的每个一维IFNT均可采用基于折叠和流水线结构实现。本发明变换时仅进行移位、取模和加法操作，有效降低实现复杂度和硬件消耗，可适用于多种输入序列和滤波器尺寸。 | ||
| 搜索关键词： | 二维 乘法器矩阵 卷积神经网络 硬件加速 架构 滤波器 流水线结构 滤波器输入 加法操作 矩阵转置 输入矩阵 输入序列 相乘运算 硬件消耗 复杂度 域相乘 移位 折叠 取模 输出 | ||
【主权项】：
1.基于费马数变换(FNT)的卷积神经网络硬件加速架构，其特征在于，包括：二维FNT模块、乘法器矩阵以及二维IFNT模块；所述二维FNT模块，用于对N×N的输入矩阵进行费马数变换，包括横向FNT模块、第一矩阵转置模块和纵向FNT模块；所述横向FNT模块，用于对输入矩阵每一行进行费马数变换，所述第一矩阵转置模块，用于对横向FNT模块输出的结果进行转置，所述纵向FNT模块，用于对按行进行费马数变换的结果每一列进行费马数变换；所述乘法器矩阵，用于实现二维FNT模块输出的结果与经费马数变换后的滤波器相乘运算；所述二维IFNT模块，用于对乘法器矩阵输出的有限域相乘结果进行逆费马数变换，包括纵向IFNT模块、第二矩阵转置模块和横向IFNT模块；所述纵向IFNT模块，用于对有限域相乘结果每一列进行逆费马数变换，所述第二矩阵转置模块，用于对纵向IFNT模块输出的结果进行转置，所述横向IFNT模块，用于对按列进行逆费马数变换的结果每一行进行逆费马数变换。
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/201711069111.8/，转载请声明来源钻瓜专利网。
