The invention discloses an operation circuit of a convolution neural network. Among them, the circuit includes an external memory, for storing the image to be processed; direct access unit is connected to the external memory, used to read the image to be processed according to the order, will be transmitted to the control unit to read data; control unit is connected with the direct access unit for storing the data into the internal memory; internal memory connection and the control unit is used to cache data; computing unit, connected with the internal memory for reading data from the internal memory and convolution operation pool. The invention solves the technical problem that the bandwidth of the occupying system is large due to the large volume of convolution operation of the convolution neural network.
【技术实现步骤摘要】
卷积神经网络运算电路
本专利技术涉及图像处理领域,具体而言,涉及一种卷积神经网络运算电路。
技术介绍
卷积神经网络(ConvolutionalNeuralNetwork,CNN)作为人工神经网络的一种,已成为当前语音分析和图像识别领域的研究热点。卷积神经网络是一个多层的神经网络,每层由多个二维平面构成,而每个平面都是由不同的卷积核卷积而成,卷积之后的图层通过池化(Pooling)处理后生成特征图谱(featuremap),传输给下层网络。卷积神经网络的卷积运算量很大,而且每层网络都需要卷积运算,做一次识别需要多层卷积核及多平面卷积,普通的CPU和GPU做如此类的卷积运算会耗费相当长的时间。而且不同层、不同平面的卷积会占用巨大的系统带宽,对系统的效能要求非常高。针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种卷积神经网络运算电路,以至少解决由于卷积神经网络的卷积运算量很大造成的占用系统带宽较大的技术问题。根据本专利技术实施例的一个方面,提供了一种卷积神经网络运算电路,包括:外部存储器,用于存储待处理图像;直接存取单元,与外部存储器连接,用于读取待处理图像,并将读取到的数据传输至控制单元;控制单元,与直接存取单元连接,用于将数据存储至内部存储器;内部存储器,与控制单元连接,用于缓存数据;运算单元,与内部存储器连接,用于从内部存储器读取数据并进行卷积池化运算。可选地,运算单元的数量至少为两个。可选地,在各个运算单元之间采用级联结构连接的情况下,第n层的数据经过第n个运算单元的卷积池化运算后缓存到内部存储器中,由第n+1个运算单元 ...
【技术保护点】
一种卷积神经网络运算电路,其特征在于,包括:外部存储器,用于存储待处理图像;直接存取单元,与所述外部存储器连接,用于读取所述待处理图像,并将读取到的数据传输至控制单元;控制单元,与所述直接存取单元连接,用于将所述数据存储至内部存储器;内部存储器,与所述控制单元连接,用于缓存所述数据;运算单元,与所述内部存储器连接,用于从所述内部存储器读取所述数据并进行卷积池化运算。
【技术特征摘要】
1.一种卷积神经网络运算电路,其特征在于,包括:外部存储器,用于存储待处理图像;直接存取单元,与所述外部存储器连接,用于读取所述待处理图像,并将读取到的数据传输至控制单元;控制单元,与所述直接存取单元连接,用于将所述数据存储至内部存储器;内部存储器,与所述控制单元连接,用于缓存所述数据;运算单元,与所述内部存储器连接,用于从所述内部存储器读取所述数据并进行卷积池化运算。2.根据权利要求1所述的电路,其特征在于,所述运算单元的数量至少为两个。3.根据权利要求2所述的电路,其特征在于,在各个运算单元之间采用级联结构连接的情况下,第n层的数据经过第n个运算单元的卷积池化运算后缓存到所述内部存储器中,由第n+1个运算单元将运算后的数据取出并进行第n+1层的卷积池化运算,其中,n为正整数。4.根据权利要求2所述的电路,其特征在于,在各个运算单元之间采用并联结构连接的情况下,各个运算单元分别处理所述待处理图像的部分图像,各个运算单元采用相同的卷积核进行并行卷积池化运算。5.根据权利要求2所述的电路,其特征在于,在各个运算单元之间采用并联结构连接的情况下,各个运算单元分别...
【专利技术属性】
技术研发人员:陈恒,易冬柏,方励,
申请(专利权)人:珠海格力电器股份有限公司,
类型:发明
国别省市:广东,44
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。