一种基于5G的卷积神经网络芯片加速方法技术

本发明专利技术涉及计算机硬件领域以及芯片设计与卷积神经网络的融合，更具体地，本发明专利技术涉及一种基于5G的卷积神经网络芯片加速方法。一种基于5G的卷积神经网络芯片加速方法，包括cpu数据处理，spiflash数据读写，卷积神经网络算法优化；所述的加速方法基于FPGA处理器。本发明专利技术提供的一种基于5G的卷积神经网络芯片加速方法能够实现高性能和高度的并行计算，可以支持复杂的数据运算，从而适用于更高效的数据处理方式，针对cpu在处理矩阵运算时效果较差的问题，FPGA可以提出更好的解决方式，同时FPGA编程也可以随时改变其网络编程和算法，从而更适合进行算法的优化，能够更好的适用于HLS工具箱进行数据流的并行处理，提高运算速度。提高运算速度。

【技术实现步骤摘要】
一种基于5G的卷积神经网络芯片加速方法


[0001]本专利技术涉及计算机硬件领域以及芯片设计与卷积神经网络的融合，更具体地，本专利技术涉及一种基于5G的卷积神经网络芯片加速方法。

技术介绍

[0002]随着新一代通信技术的革新，5G通信对芯片的处理能与基带协作性能的要求也变得越来越高，芯片的优化与芯片性能的改革逐渐成为了各大厂商关注的重点，如何提高芯片的处理能力，设计出低功耗，不卡顿的芯片也成为现阶段研究的难点。传统的cpu已无法处理快速增长的数据量，同时单纯的增加cpu的数量也不是最好的加速方式，无法适应当今简单轻便的移动端需求，深度学习与神经网络以其强大的计算能力，似乎可以更好的解决数据处理的问题，但是其运行时所需的框架对cpu的存储空间要求较高。因此，急切的需要提供一种方法，通过使用更容易搭建和部署的处理架构，用以更好的兼容深度学习与神经网络框架，通过搭建FPGA硬件加速平台，用以更好的适应硬件加速需求，以适应超出当前数据的扩展。

技术实现思路

[0003]针对现有技术中存在的一些问题，本专利技术提供了一种基于5G的卷积神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于5G的卷积神经网络芯片加速方法，其特征在于，包括cpu数据处理，spiflash数据读写，卷积神经网络算法优化；所述的卷积神经网络算法优化基于FPGA处理器。2.根据权利要求1所述的基于5G的卷积神经网络芯片加速方法，其特征在于，所述的cpu数据处理，包括运算器数据处理，用以处理cpu内部的数据运算；控制器数据处理，负责发送cpu每条指令所需的信息；寄存器数据处理，通过保存运算或者指令的临时文件，用以保证cpu运算速度。3.根据权利要求2中所述的基于5G的卷积神经网络芯片加速方法，其特征在于，所述的spiflash数据读写，包括在接收cpu所发出的关于写入数据指令后，开始接收写入数据，并产生底层接口波形，通过遵循特定的配置速率，再将写入数据逐步写入到FPGA中，同时在FPGA中设置中断，当FPGA模块完成数据处理任务后，可通知cpu读取数据指令，并进行数据读取。4.根据权利要求1所述的基于5G的卷积神经网络芯片加速方法，其特征在于，所述的卷积神经网络算法优化，通过进行卷积特征的提取，用以获得输入数据并传送至卷积层优化加速器优化。5.根据权利要求4所述的基于5G的卷积神经网络芯片加速方法，其特征在于，所述的卷积特征提取，通过设定5个卷积层和3个池化层，每个卷积层将接收到的...

【专利技术属性】
技术研发人员：唐向科，
申请(专利权)人：广州唐向科技有限公司，
类型：发明
国别省市：