CN113496272B 一种基于异构平台的卷积神经网络运算方法 (中国电子科技集团公司第十四研究所)_第1页
CN113496272B 一种基于异构平台的卷积神经网络运算方法 (中国电子科技集团公司第十四研究所)_第2页
CN113496272B 一种基于异构平台的卷积神经网络运算方法 (中国电子科技集团公司第十四研究所)_第3页
CN113496272B 一种基于异构平台的卷积神经网络运算方法 (中国电子科技集团公司第十四研究所)_第4页
CN113496272B 一种基于异构平台的卷积神经网络运算方法 (中国电子科技集团公司第十四研究所)_第5页
已阅读5页,还剩7页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种基于异构平台的卷积神经网络运算方法本发明公开了一种基于异构平台的卷积神经网络运算方法,采用CPU端和FPGA端组成异构FPGA端设计运算阵列计算矩阵相乘,CPU端初始化FPGA端并重排数据,CPU端读取FPGA端的运算结果,将卷积神经网络运算转变为矩阵乘法运2所述划分卷积神经网络的卷积层和全连接层,包括:将卷积神经网络划分为卷积层神经元数R;所述FPGA端设计运算阵列计算矩阵相乘,包括:运算阵列采用矩阵乘法核函数GEMM-所述运算阵列采用矩阵乘法核函数GEMM-Kernel,包括:FPGA端设计G1×G2个独立的所述CPU端初始化FPGA端并重排初始图像和中间结果的数据,包括:C3.根据权利要求1所述的基于异构平台的卷积神经网络运算方法,其特征在于,还包4.根据权利要求1所述的基于异构平台的卷积神经网络运算方法,其特征在于,所述34[0012]CPU端根据当前卷积神经网络的尺寸参数和FPGA端运算阵列的设计参数,配置设置目标卷积神经网络的参数,包含每个卷积层的尺寸Paraconv1~X和每个全连接层的尺寸[0021]卷积层根据Paraconv1~X得到单个卷积神经元同时乘权需要完成的乘加元素个数为Q×R,即本次全连接层操作需完成[Q,R]维度5[0024]CPU通过满足OpenCL规范的Kernel参数设置模块,将当前需要完成的矩阵乘法的67

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论