公开(公告)号：CN109978161B

公开(公告)日：2022-03-04

申请号：CN201910268608.5

申请日：2019-04-04

Applicant: 吉林大学

Inventor： 张宝林 ,  姬梦飞 ,  常玉春 ,  李东泽 ,  丁宁 ,  戴加海 ,  慕雨松 ,  蒋佳奇 ,  马玉美 ,  郭玉萍 ,  孙畅 ,  宫浩然 ,  王若溪 ,  李捷菲

IPC: G06N3/063 ,  G06N3/04

Abstract: 本发明公开了一种通用的卷积‑池化同步处理卷积核系统，属于机器学习中卷积神经网络加速技术领域。针对现有的机器学习方法采用软件实现，存在计算能力有限，成本较高等问题，本发明采用硬件设计实现机器学习，以卷积‑池化同步处理的方式来实现对卷积神经网络进行加速的目的，能够在准确率不改变的前提下，能够快速、低功耗、高效率的实现机器学习。现有的卷积神经网络通常的卷积核为固定大小，不能够适应各种设计需要，本发明中的卷积核，能够改变卷积核大小、步长等参数，能够适应各种情况下的设计需要。

公开(公告)号：CN109978161A

公开(公告)日：2019-07-05

申请号：CN201910268608.5

申请日：2019-04-04

Applicant: 吉林大学

Inventor： 张宝林 ,  姬梦飞 ,  常玉春 ,  李东泽 ,  丁宁 ,  戴加海 ,  慕雨松 ,  蒋佳奇 ,  马玉美 ,  郭玉萍 ,  孙畅 ,  宫浩然 ,  王若溪 ,  李捷菲

IPC: G06N3/063 ,  G06N3/04

Abstract: 本发明公开了一种通用的卷积‑池化同步处理卷积核系统，属于机器学习中卷积神经网络加速技术领域。针对现有的机器学习方法采用软件实现，存在计算能力有限，成本较高等问题，本发明采用硬件设计实现机器学习，以卷积‑池化同步处理的方式来实现对卷积神经网络进行加速的目的，能够在准确率不改变的前提下，能够快速、低功耗、高效率的实现机器学习。现有的卷积神经网络通常的卷积核为固定大小，不能够适应各种设计需要，本发明中的卷积核，能够改变卷积核大小、步长等参数，能够适应各种情况下的设计需要。