[发明专利]一种用于处理神经网络中的卷积运算的装置和方法

权利要求书

1.一种用于处理神经网络中的卷积运算的装置，其特征在于：包括存储器、取数控制单元、卷积乘加运算单元、激活运算单元、计算单元和归一化单元，还包括两个通路选择单元，一个通路选择单元与第一单元连接，另一个通路选择单元与第二单元连接，第一单元和第二单元为取数控制单元、卷积乘加运算单元、激活运算单元、计算单元和归一化单元中任意的两个单元，每个通路选择单元都连接有两个配置寄存器；

配置寄存器用于存储运算指令，所述运算指令包括操作码和操作域，所述操作码用于指示所述运算指令对应的运算方式；所述操作域包括所述参与运算的数据的首地址和所述参与运算的数据中部分数据或者全部数据的索引的地址；

通路选择单元用于获取与之连接的单元工作完成的信号后，从当前选择的寄存器切换到另一个寄存器；

存储器用于存储参与运算的数据和卷积核数据；

取数控制单元用于根据寄存器信息对存储器进行数据读取操作，并把读取数据送往卷积乘加单元；

卷积乘加运算单元用于进行神经网络的卷积运算，并将运算结果送往激活运算单元；

激活运算单元用于进行神经网络的激活函数运算，并将运算结果送往计算单元；

计算单元用于进行神经网络的池化运算，并将池化运算结果送往归一化单元；

归一化单元用于将池化运算结果回写到存储器。

2.根据权利要求1所述的用于处理神经网络中的卷积运算的装置，其特征在于：还包括处理器，所述处理器用于获取第一单元或者第二单元的完成信号，将下一层的神经网络配置信息写入通路选择单元当前选择的寄存器。

3.根据权利要求1所述的用于处理神经网络中的卷积运算的装置，其特征在于：还包括配置存储器和配置读取单元，配置存储器用于存储神经网络每一层的神经网络配置信息，配置读取单元用于获取第一单元或者第二单元的完成信号，从寄存器上获取下一层的神经网络配置信息并写入通路选择单元当前选择的寄存器。

4.根据权利要求3所述的用于处理神经网络中的卷积运算的装置，其特征在于：所述配置存储器还存储有神经网络各层配置信息地址索引表格。

5.根据权利要求3所述的用于处理神经网络中的卷积运算的装置，其特征在于：还包括网络解析分层处理单元、配置产生单元和配置写入单元；

网络解析分层处理单元用于将工程文件解析分解为一层层独立的网络结构；

配置产生单元用于将单层的神经网络按照神经网络的结构产生对应的配置信息；

配置写入单元用于将每一层网络的配置信息写入配置存储器中。

6.一种用于处理神经网络中的卷积运算的方法，其特征在于：用于加快神经网络运算速度的装置中，包括存储器、取数控制单元、卷积乘加运算单元、激活运算单元、计算单元和归一化单元，还包括两个通路选择单元，一个通路选择单元与第一单元连接，另一个通路选择单元与第二单元连接，第一单元和第二单元为取数控制单元、卷积乘加运算单元、激活运算单元、计算单元和归一化单元中任意的两个单元，每个通路选择单元都连接有两个配置寄存器；配置寄存器用于存储运算指令，所述运算指令包括操作码和操作域，所述操作码用于指示所述运算指令对应的运算方式；所述操作域包括所述参与运算的数据的首地址和所述参与运算的数据中部分数据或者全部数据的索引的地址；存储器用于存储参与运算的数据和卷积核数据；

本方法包括如下步骤：

取数控制单元根据寄存器信息对存储器进行数据读取操作，并把读取数据送往卷积乘加单元；

卷积乘加运算单元用于进行神经网络的卷积运算，并将运算结果送往激活运算单元；

激活运算单元用于进行神经网络的激活函数运算，并将运算结果送往计算单元；

计算单元用于进行神经网络的池化运算，并将池化运算结果送往归一化单元；

归一化单元用于将池化运算结果回写到存储器；

通路选择单元获取与之连接的单元工作完成的信号后，从当前选择的寄存器切换到另一个寄存器。