一种实现卷积神经网络前向计算的硬件结构制造技术

本申请公开了一种实现卷积神经网络前向计算的硬件结构，包括：数据片外缓存模块，用于将外部输入的各张待处理图片中的参数数据缓存在该模块中，等待被多级流水线加速模块读取出来；多级流水线加速模块，与所述数据片外缓存模块连接，用于从数据片外缓存模块中读取参数，实现卷积神经网络的核心计算；参数读取仲裁模块，与所述多级流水线加速模块连接，用于处理多级流水线加速模块中多个读取参数请求，使多级流水线加速模块获取需要的参数；参数片外缓存模块，与所述参数读取仲裁模块连接，用于存储卷积神经网络前向计算所需要的参数。本申请采用并行流水方式的硬件架构来实现算法，具有较高的资源利用率和较高的性能。

【技术实现步骤摘要】
一种实现卷积神经网络前向计算的硬件结构
本申请涉及计算机及电子信息
，尤其涉及一种实现卷积神经网络前向计算的硬件结构。
技术介绍
随着人工智能的兴起，深度学习成为目前非常热门的一个领域，被广泛应用在计算机视觉、语音识别以及其它一些大数据应用上，受到了越来越广泛的关注。卷积神经网络作为深度学习中的一个很重要的算法模型，在图像分类、人脸识别、视频检测、语音识别等方面得到了很广泛的应用。卷积神经网络是仿照人类大脑中的神经系统而提出的，由很多层构成，输入的信息从最开始的输入层，经过一些卷积、乘加运算、激活函数等传递到下一层，以此方式一层一层往后传递，直到最后的输出层。卷积神经网络中最常见的层有三类，分别是卷积层、下采样层和全连接层。目前，已经有很多影响力较大的卷积神经网络模型被提出，并实现了很好的应用效果，如2012年在大规模视觉识别挑战赛(ILSVRC，ImageNetLargeScaleVisualRecognitionCompetition)中取得图像分类冠军的AlexNet，2014年提出的VGG和GoogleNet等。可见，卷积神经网络的应用越来越多。随着对准确率和识别率越来本文档来自技高网...

【技术保护点】
一种实现卷积神经网络前向计算的硬件结构，其特征在于，包括：数据片外缓存模块，用于将外部输入的各张待处理图片中的参数数据缓存在该模块中，等待被多级流水线加速模块读取出来；多级流水线加速模块，与所述数据片外缓存模块连接，用于从数据片外缓存模块中读取参数，实现卷积神经网络的核心计算；参数读取仲裁模块，与所述多级流水线加速模块连接，用于处理多级流水线加速模块中多个读取参数请求，使多级流水线加速模块获取需要的参数；参数片外缓存模块，与所述参数读取仲裁模块连接，用于存储卷积神经网络前向计算所需要的参数。

【技术特征摘要】
1.一种实现卷积神经网络前向计算的硬件结构，其特征在于，包括：数据片外缓存模块，用于将外部输入的各张待处理图片中的参数数据缓存在该模块中，等待被多级流水线加速模块读取出来；多级流水线加速模块，与所述数据片外缓存模块连接，用于从数据片外缓存模块中读取参数，实现卷积神经网络的核心计算；参数读取仲裁模块，与所述多级流水线加速模块连接，用于处理多级流水线加速模块中多个读取参数请求，使多级流水线加速模块获取需要的参数；参数片外缓存模块，与所述参数读取仲裁模块连接，用于存储卷积神经网络前向计算所需要的参数。2.根据权利要求1所述的实现卷积神经网络前向计算的硬件结构，其特征在于，所述多级流水线加速模块由多级流水线构成，每一级流水线包括：计算模块，用于实现卷积神经网络每层中的运算；乒乓缓存结构模块，用于缓存与相邻流水线级之间的数据。3.根据权利要求2所述的实现卷积神经网络前向计算的硬件结构，其特征在于，所述计算模块，还用于根据卷积神经网络结构中不...

【专利技术属性】
技术研发人员：曹伟，黄峰，孙亚洲，杨贤，王伶俐，周学功，李慧敏，范锡添，焦黎，
申请(专利权)人：智擎信息系统上海有限公司，
类型：发明
国别省市：上海,31