发明名称 |
一种卷积神经网络硬件加速方法及其AXI总线IP核 |
摘要 |
本发明公开了一种卷积神经网络硬件加速方法及其AXI总线IP核,方法步骤包括:1)将卷积层运算转换为m行K列的矩阵A、K行n列的矩阵B的矩阵乘;2)将矩阵结果C分为m行n列个矩阵子块;3)启动矩阵乘法器预取矩阵子块的操作数;4)矩阵乘法器执行矩阵子块的计算并将结果写回主存;IP核包括AXI总线接口模块、预取单元、流映射器及矩阵乘法器,矩阵乘法器包括链式DMA和处理单元阵列,处理单元阵列由多个处理单元以链式结构排列组成,且链首的处理单元和链式DMA相连。本发明能够支持各种卷积神经网络结构,具有计算效率和性能高、对片上存储资源以及片外存储带宽需求较少、通信开销小、单元部件升级与改进方便、通用性好的优点。 |
申请公布号 |
CN104915322A |
申请公布日期 |
2015.09.16 |
申请号 |
CN201510312090.2 |
申请日期 |
2015.06.09 |
申请人 |
中国人民解放军国防科学技术大学 |
发明人 |
文梅;乔寓然;杨乾明;沈俊忠;肖涛;王自伟;张春元;苏华友;陈照云 |
分类号 |
G06F15/16(2006.01)I;G06F15/17(2006.01)I;G06F9/50(2006.01)I;G06F13/42(2006.01)I |
主分类号 |
G06F15/16(2006.01)I |
代理机构 |
湖南兆弘专利事务所 43008 |
代理人 |
赵洪;谭武艺 |
主权项 |
一种卷积神经网络硬件加速方法,其特征在于步骤包括:1)预先将卷积运算的输入特征图排列组成矩阵A,将卷积运算的输出特征图对应的卷积核排列组成矩阵B,将卷积神经网络卷积层的卷积运算转换为m行K列的矩阵A、K行n列的矩阵B的矩阵乘运算;2)将矩阵乘运算的矩阵结果C分为m行n列个矩阵子块;3)启动和主处理器相连的矩阵乘法器来对所有矩阵子块进行计算;在对矩阵子块进行计算时,所述矩阵乘法器以数据驱动的方式产生矩阵坐标(Bx,By)形式的数据请求,将矩阵坐标(Bx,By)映射为操作数在输入特征图中的真实主存地址read_addr,从主存中读回操作数;4)所述矩阵乘法器根据读回的操作数执行每一个矩阵子块的并行计算,并将计算结果写回主存。 |
地址 |
410073 湖南省长沙市砚瓦池正街47号中国人民解放军国防科学技术大学计算机学院 |