基于自适应ReLU的全频域卷积神经网络的硬件加速器、加速方法和图像分类方法

基于自适应ReLU的全频域卷积神经网络的硬件加速器、加速...

授权

摘要

本发明公开了一种基于自适应ReLU的全频域卷积神经网络的硬件加速器、加速方法和图像分类方法，其中硬件加速器包括FPGA加速模块、主机CPU和DDR，FPGA包括直接片外访问单元、共享片上内存、频域卷积模块和频域ReLU模块；主机CPU对数据进行FFT和IFFT变换及传送各激活层的参数选址信号，FPGA使用FFT变换后的权值对FFT变换后的输入数据在全频域进行卷积层和ReLU激活层操作，其中各ReLU激活层的参数根据该层训练的输入信息范围进行设置，将最终的操作结果返回给主机CPU进行IFFT变换，作为卷积神经网络的输出结果。本发明可以提高卷积神经网络输出结果的精度和硬件实现效率。

基本信息

专利标题：

基于自适应ReLU的全频域卷积神经网络的硬件加速器、加速方法和图像分类方法

专利标题（英）：

暂无

公开（公告）号：

CN112749799A

申请号：

CN202011637130.8

公开（公告）日：

2021-05-04

申请日：

2020-12-31

授权号：

CN112749799B

授权日：

2022-04-12

发明人：

刘双龙

申请人：

湖南师范大学

申请人地址：

湖南省长沙市岳麓区麓山路36号

代理机构：

长沙市融智专利事务所(普通合伙)

代理人：

熊开兰

优先权：

CN202011637130.8

主分类号：

G06N3/08

IPC分类号：

G06N3/08 G06K9/62 G06N3/04 G06N3/063