The invention discloses a circular convolution convolution neural network oriented coarse-grained reconfigurable computing system of data reuse, including the main controller and connection control module, data input module, convolution processing cycle reuse array, data transmission path, the four part. Convolution cycle operation, the essence of a number of two-dimensional input data matrix and a number of two dimensional weight matrix multiplication, the general size of these matrices are larger, multiplying the majority of the convolution calculation. The present invention reconfigurable array system to complete the process of using coarse convolution, convolution operation when receiving a request instruction, register input data by a round robin manner to fully explore the circular convolution calculation process reusability, improve data utilization and reduce the bandwidth of memory access pressure, and the design of the array unit is configurable that can perform different convolution convolution and the step size.
【技术实现步骤摘要】
本专利技术涉及嵌入式可重构设计领域,具体是一种面向粗粒度可重构系统的卷积神经网络循环卷积计算数据重用的系统,可用于高性能可重构系统,实现卷积神经网络进行大数量循环卷积运算,尽量使用已有数据,对数据进行重用,提高运算速率,减少数据读取带宽压力。
技术介绍
可重构处理器体系结构是一种理想的应用加速平台,由于硬件结构可以根据程序的数据流图重新组织,可重构阵列已被证明其对于科学计算或多媒体应用具有良好的性能提升潜力。卷积运算在图像处理领域有着广泛的用途,例如在图像滤波、图像增强、图像分析等处理时都要用到卷积运算,图像卷积运算实质是一种矩阵运算,其特点是运算量大,并且数据复用率高,用软件计算图像卷积很难达到实时性的要求。卷积神经网络作为一种前馈多层神经网络,能够对大量有标签数据进行自动学习并从中提取复杂特征,卷积神经网络的优点在于只需要对输入图像进行较少的预处理就能够从像素图像中识别出视觉模式,并且对有较多变化的识别对象也有较好的识别效果,同时卷积神经网络的识别能力不易受到图像的畸变或简单几何变换的影响。作为多层人工神经网络研究的一个重要方向,卷积神经网络多年来一直是研究的热点。将卷积模板放在图像点阵的左上角,则卷积模板必与图像点阵中的左上角的分割矩阵重合。把它们的重合项对应相乘,之后再全部求和,就得到了第一个结果点。然后,再将卷积模板右移一列,即可求出第二个结果点。如此这样,卷积模板在图像点阵中遍历一遍,就完全可以求出一帧图像的卷积。数据的复用率很高,可是传统方式的缓存或直接从外部直接读取,由于受到数据读取带宽的限制,以及没有可配置阵列,完成多层卷积循环运算,效 ...
【技术保护点】
一种面向粗粒度可重构系统的卷积神经网络循环卷积计算数据重用的系统,其特征在于:包括主控制器及连接控制模块、输入数据重用模块、卷积循环运算处理阵列和数据传输通路;所述主控制器及连接控制模块,完成外界卷积运算请求的接收,计算阵列配置信息加载,计算结果返回及对循环运行状态的监控,控制外部存储器和输入数据重用模块之间数据传输;所述输入数据重用模块,是连接外部输入数据存储器与循环卷积运算处理阵列之间的数据重用模块,其中模块上半部分是图像矩阵宽度数量FIFO,下半部分是图像矩阵宽度数量移位寄存器;所述循环卷积运算处理阵列,从输入数据重用模块里获取所需输入数据,完成卷积计算,并在计算完成后将数据送出的功能。
【技术特征摘要】
1.一种面向粗粒度可重构系统的卷积神经网络循环卷积计算数据重用的系统,其特征在于:包括主控制器及连接控制模块、输入数据重用模块、卷积循环运算处理阵列和数据传输通路;所述主控制器及连接控制模块,完成外界卷积运算请求的接收,计算阵列配置信息加载,计算结果返回及对循环运行状态的监控,控制外部存储器和输入数据重用模块之间数据传输;所述输入数据重用模块,是连接外部输入数据存储器与循环卷积运算处理阵列之间的数据重用模块,其中模块上半部分是图像矩阵宽度数量FIFO,下半部分是图像矩阵宽度数量移位寄存器;所述循环卷积运算处理阵列,从输入数据重用模块里获取所需输入数据,完成卷积计算,并在计算完成后将数据送出的功能。2.所述数据传输通路,是完成主控制器及接口控制模块,循环卷积运算处理阵列,输入数据重用模块之间的数据传输通道。3.如权利要求1所述的面向粗粒度可重构系统的卷积神经网络循环卷积计算数据重用的系统,其特征在于:主控制器及连接控制模块包括主控制和连接控制器,连接控制器有预取判断及数据重用配置控制作用,预取判断应用来判断要进行卷积运算时所需的数据是否准备就位,如果数据就位,循环卷积运算处理阵列执行卷积循环计算,如果没有,那就等待数据就位;缓存中的数据是由外部存储器中读取的,采用直接内存存取方式读取,当需要外部数据输入时,主控制器发出向外部存储器读取数据命令,之后主控制器就不对存储读取进...
【专利技术属性】
技术研发人员:刘波,朱智洋,陈壮,阮星,龚宇,曹鹏,杨军,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。