【技术实现步骤摘要】
基于时频联动的可重构光学张量卷积加速方法及装置
[0001]本专利技术涉及光计算的
，具体地，涉及基于时频联动的可重构光学张量卷积加速方法及装置。
技术介绍
[0002]光学卷积神经网络是将数学卷积运算映射到光学物理维度和空间结构之中从而实现在光速飞行中完成运算的一种光计算技术。基于光学矩阵乘加运算的光学卷积神经网络只加速了卷积运算中的矩阵乘加，仍需将数据在模数域来回搬移并多次访问缓存，这个过程中数据光电域转换和搬运产生的时间与能耗成本是不容忽视的。
[0003]光学卷积神经网络加速设计方案主要包括空间光学卷积神经网络、集成光学卷积神经网络两类。空间光学卷积神经网络具有很高的数据通量，但由于光学系统精密性且受制于傍轴光学系统有限的孔径光阑以及光场调控器件的更新速度限制，空间光学卷积神经网络的稳定性、快速重构和集成化面临很大的难题。因此需要提出一种新的技术方案以改善上述技术问题。
技术实现思路
[0004]针对现有技术中的缺陷，本专利技术的目的是提供一种基于时频联动的可重构光学张量卷积加速方法及装...
【技术保护点】
【技术特征摘要】
1.一种基于时频联动的可重构光学张量卷积加速方法，其特征在于，所述方法包括如下步骤：步骤S1：对入射的多波长光在时域进行调制，加载从内存中读取的数据信息；步骤S2：将多波长光经过不同的滑动延时；步骤S3：多波长光被呈矩阵空间分布的卷积核的不同位置的数据点进行频域加权；步骤S4：将多波长光经过不同的换行延时；步骤S5：对同一时间、不同波长的光进行累加，完成卷积运算，获得向量化的时域特征图谱。2.根据权利要求1所述的基于时频联动的可重构光学张量卷积加速方法，其特征在于，所述方法采用基于多波长调制和色散延迟的光学卷积运算映射，输入数据从内存中读取并经过多波长调制和频域加权构成输入矩阵，根据时空对偶性，时域多波长光信号经过色散介质后，引入延时，将空间维度上的矩阵滑动模型映射到时间和频率两个维度上。3.根据权利要求2所述的基于时频联动的可重构光学张量卷积加速方法，其特征在于，所述卷积运算数学原理表示为：其中A和Y为分别为大小为I
×
J的输入图像和特征图谱，W为大小为M
×
N卷积核。4.根据权利要求2所述的基于时频联动的可重构光学张量卷积加速方法，其特征在于，所述延时分解成滑动延迟量和换行延迟量两个部分。5.根据权利要求2所述的基于时频联动的可重构光学张量卷积加速方法，其特征在于，所述矩阵滑动为卷积核在输入图像上的滑动，卷积运算结果是卷积核与同等规模图像切片的矩阵乘加运算。6.一种基于时频联动的可重构光学张量卷积加速装置，其特征在于，所述装置应用于如权利要求1
【专利技术属性】
技术研发人员：张文甲，何祖源，姜越，郭佳源，
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。