一种基于PSoC的卷积神经网络加速器制造技术

本专利公开了一种基于PSoC器件构建的卷积神经网络加速器，包括片外存储器、CPU、特征图输入存储器、特征图输出存储器、偏置存储器、权重存储器、直接内存存取与神经元数目相同的计算单元，所述计算单元包括先入先出队列、状态机、数据选择器、平均值池化模块、最大值池化模块、乘加计算模块、激活函数模块，所构成的乘加计算模块内计算是并行执行的，可用于多种架构的卷积神经网络系统。本发明专利技术充分利用片上可编程系统(PSoC，Programmable System on Chip)器件中可编程部分实现计算量大，并行性高的卷积神经网络计算部分，利用CPU实现串行算法及状态控制。

【技术实现步骤摘要】
一种基于PSoC的卷积神经网络加速器
本专利技术涉及卷积神经网络结构技术，特别涉及一种基于PSoC的卷积神经网络加速器。
技术介绍
卷积神经网络以局部权重共享在图像处理具有独特的优越性，其布局更接近实际的生物神经网络、共享权重降低了神经网络的复杂度，降低了神经网络的计算量。目前卷积神经网络在视频监控、机器视觉、模式识别、图像搜索等领域广泛应用。但是卷积网络硬件实现需要大量硬件资源，带宽利用率低及数据复用低等问题。卷积神经网络中需要支持不同大小的卷积操作，池化操作及全连接操作，同时许多卷积神经网络应用中，通常包含图片处理部分，因此FPGA(现场可编程门阵列，FieldProgrammableGateArray)纯粹的硬件逻辑实现限制了扩展性。对于卷积神经网络的实现来说，硬件实现的网络是固定的，带宽利用率低，无法扩展支持其他结构的卷积神经网络。PSoC器件具有硬件可编程部分以及软件编程的特性，被认为是实现卷积神经网络合适的平台。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种基于PSoC的卷积神经网络加速器，将整个神经网络加速器硬件可编程部分可简化为乘加计算模块、激活函本文档来自技高网...

【技术保护点】
1.一种基于PSoC的卷积神经网络加速器，其特征在于，包括：片外存储器、CPU、特征图输入存储器、特征图输出存储器、偏置存储器、权重存储器、直接内存存取DMA和与神经元数目相同的计算单元，所述直接内存存储DMA在CPU的控制下从片外存储器读取传输到特征图输入存储器、偏置存储器和权重存储器，或将特征图数据存储器的数据写回到片外存储器，CPU需要控制输入特征图、偏置、权重、输出特征图在片外存储器的存储位置，以及多层的卷积神经网络的参数传输，以适应多种架构的神经网络。

【技术特征摘要】
1.一种基于PSoC的卷积神经网络加速器，其特征在于，包括：片外存储器、CPU、特征图输入存储器、特征图输出存储器、偏置存储器、权重存储器、直接内存存取DMA和与神经元数目相同的计算单元，所述直接内存存储DMA在CPU的控制下从片外存储器读取传输到特征图输入存储器、偏置存储器和权重存储器，或将特征图数据存储器的数据写回到片外存储器，CPU需要控制输入特征图、偏置、权重、输出特征图在片外存储器的存储位置，以及多层的卷积神经网络的参数传输，以适应多种架构的神经网络。2.根据权利要求1所述的一种基于PSoC的卷积神经网络加速器，其特征在于，所述计算单元包括先入先出队列、状态机、第一数据选择器、第二数据选择器、平均值池化模块、最大值池化模块、乘加计算模块和激活函数模块，其中所述第一数据选择器与特征图输入存储器通信，输入特征图输入数据经过第一数据选择器输入到平均值池化模块、最大值池化模块、乘加计算模块和激活函数模块，所述第二数据选择器与特征图输出存储器通信，平均值池化模块、最大值池化模块和乘加计算模块的输出结果经...

【专利技术属性】
技术研发人员：熊晓明，李子聪，曾宇航，胡湘宏，
申请(专利权)人：广东工业大学，佛山芯珠微电子有限公司，
类型：发明
国别省市：广东,44