公开(公告)号：CN109389212A

公开(公告)日：2019-02-26

申请号：CN201811646433.9

申请日：2018-12-30

Applicant: 南京大学

Inventor： 李丽 ,  陈沁雨 ,  傅玉祥 ,  陈铠 ,  何书专 ,  陈辉 ,  程开丰

IPC: G06N3/04 ,  G06N3/063

Abstract: 本发明的面向低位宽卷积神经网络的可重构激活量化池化系统包括:若干个可重构激活量化池化处理单元，用于执行激活、量化、池化操作，并且执行工作模式激活-量化工作模式或激活-量化-池化工作模式的可重构操作；存储单元控制器，用于控制不同配置下可重构激活量化池化单元和存储单元的数据传输；存储单元，用于暂存池化操作中所需的卷积层结果数据。软件优化设计通过将低位宽卷积神经网络的激活、量化等若干步骤简化为一个步骤，可减少冗余计算且不改变原始功能。有益效果：通过将激活、量化、池化三个步骤以可重构的方式映射在同一硬件单元上，减少了硬件资源面积；采用软硬件协同优化的方法，具有面积小、功耗低、灵活性高的特点。

公开(公告)号：CN104504205A

公开(公告)日：2015-04-08

申请号：CN201410827960.5

申请日：2014-12-29

Applicant: 南京大学 ,  中国电子科技集团公司第十四研究所

Inventor： 潘红兵 ,  李丽 ,  黄炎 ,  陈铠 ,  周海斌 ,  何书专 ,  李伟 ,  沙金

IPC: G06F17/50

Abstract: 本发明涉及一种对称FIR算法的并行化二维分割方法，包括设定对称FIR算法的参数：源向量点数，滤波系数长度；2）采用支持四路并行运算的乘法器、加法器通过对称FIR算法处理源数据；3）根据源数据长度，采用不同的算法完成DMA搬运阶段。有益效果为：解决了DMA搬运阶段基于并行化设计的数据细粒度分割、数据存放问题，以及向量长度过大而内存容量受限，需要作多次DMA搬入、处理、搬出，由此带来的源数据粗粒度分割问题。