[发明专利]多样本多通道卷积神经网络池化的向量化实现方法有效
| 申请号： | 201911001491.0 | 申请日： | 2019-10-21 |
| 公开（公告）号： | CN110796236B | 公开（公告）日： | 2022-06-17 |
| 发明（设计）人： | 刘仲;鲁建壮;雷元武;田希;陈海燕;刘胜;吴虎成;李勇;王耀华;李程 | 申请（专利权）人： | 中国人民解放军国防科技大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063;G06N3/08 |
| 代理公司： | 湖南兆弘专利事务所(普通合伙) 43008 | 代理人： | 周长清;胡君 |
| 地址： | 410073 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种多样本多通道卷积神经网络池化的向量化实现方法，步骤包括：步骤1：将卷积神经网络池化层的输入特征数据集数据按照样本维优先方式存储；步骤2：向量处理器按列将输入特征数据集数据矩阵划分为多个矩阵块；步骤3：向量处理器依次按行抽取指定大小矩阵块传输到向量处理器的阵列存储器的数据缓冲区中；步骤4：向量处理器的各个核并行的对各自数据缓冲区中矩阵块进行池化向量化计算，计算结果按顺序传输至片外存储器中；步骤5：重复步骤3至步骤4，直到完成全部池化层计算。本发明能够充分发挥向量处理器计算性能，且具有实现方法简单、实现效率高、功耗小且效果好等优点。 | ||
| 搜索关键词： | 多样 通道 卷积 神经网络 量化 实现 方法 | ||
【主权项】：
1.一种多样本多通道卷积神经网络池化的向量化实现方法，其特征在于，步骤包括：/n步骤1：将卷积神经网络池化层的输入特征数据集数据按照样本维优先方式存储；/n步骤2：向量处理器按列将所述输入特征数据集数据矩阵划分为多个矩阵块，得到多个输入特征数据矩阵；/n步骤3：向量处理器根据步长、过滤器的大小，依次按行从所述输入特征数据矩阵中抽取指定大小矩阵块传输到向量处理器的阵列存储器AM的数据缓冲区中；/n步骤4：向量处理器的各个核并行的对各自阵列存储器AM的数据缓冲区中抽取出的矩阵块进行池化向量化计算，计算结果按顺序传输至片外存储器中；/n步骤5：重复步骤3至步骤4，直到完成全部池化层计算，得到按所述样本维优先方式存储的卷积神经网络池化层结果。/n
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中国人民解放军国防科技大学，未经中国人民解放军国防科技大学许可，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/201911001491.0/，转载请声明来源钻瓜专利网。
