【技术实现步骤摘要】
卷积神经网络数据流设计空间分析工具的构建方法和装置
[0001]本专利技术涉及阵列处理结构设计和神经网络数据调度领域，尤其是涉及一种卷积神经网络数据流设计空间分析工具的构建方法和装置。
技术介绍
[0002]卷积神经网络(Convolutional Neural Networks，CNN)作为一种深度学习框架已经在图像、医疗等各个领域方向上得到了广泛的应用。伴随着人们对卷积神经网络研究的不断深入发展，神经网络结构变得愈发复杂，卷积规模也不断扩大。为此人们提出了多种卷积神经网络加速器设计，采用大量处理单元的阵列化结构加速卷积操作的处理。然而，由于硬件平台有限的片上计算资源和存储容量的限制以及架构硬件参数的多样性，使得卷积神经网络框架在平台上的最优化部署变得困难，而目前缺乏一种全面有效的针对神经网络在不同平台部署的解决方案。因此，面向通用硬件下卷积神经网络设计空间探索有其实际意义和必要性。
[0003]需要说明的是，公开于该专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术一般
技术介绍
的理解，而不应当被视为承认或以任何形...
【技术保护点】
【技术特征摘要】
1.一种卷积神经网络数据流设计空间分析工具的构建方法，其特征在于，所述构建方法包括：针对阵列结构加速器进行硬件建模，获取所述阵列结构加速器的硬件参数；对卷积七层循环结构的数据流调度方式进行分析，通过建立数据流与循环顺序的映射关系，获取描述循环交换的优化策略；基于所述硬件参数和所述优化策略进行卷积延时的量化计算，在设计空间内获取卷积延时最低的优化参数，构建设计空间分析工具。2.如权利要求1所述的卷积神经网络数据流设计空间分析工具的构建方法，其特征在于，所述构建方法还包括：接入TVM图编译器Relay，以支持基于不同深度学习框架的不同神经网络结构。3.如权利要求1所述的卷积神经网络数据流设计空间分析工具的构建方法，其特征在于，所述硬件参数包括计算资源参数以及存储资源参数。4.如权利要求3所述的卷积神经网络数据流设计空间分析工具的构建方法，其特征在于，所述计算资源参数包括可独立的物理Slice数量、Slice连通粒度、单个Slice上用于核心计算的乘加单元数量、单个Slice上的LSE数量。5.如权利要求3所述的卷积神经网络数据流设计空间分析工具的构建方法，其特征在于，所述存储资源参数包括DRAM带宽、每个独立Slice的SRAM总容量、SRAM带宽、SRAM的划分粒度。6.如权利要求1所述的卷积神经网络数据流设计空间分析工具的构建方法，其特征在于，所述对卷积七层循环结构的数据流调度方式进行分析，通过建立数据流与...
【专利技术属性】
技术研发人员：景乃锋，胡令矿，霍洋洋，张子涵，蒋剑飞，王琴，绳伟光，毛志刚，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：
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。