申请/专利权人：上海燧原智能科技有限公司

申请日：2019-08-07

公开（公告）日：2020-09-15

公开（公告）号：CN110443357B

主分类号：G06N3/04(20060101)

分类号：G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2020.09.15#授权;2019.12.06#实质审查的生效;2019.11.12#公开

摘要：本发明实施例公开了一种卷积神经网络计算优化方法、装置、计算机设备及介质。所述方法包括：获取优化后的卷积神经网络的待输入特征图；根据所述优化后的卷积神经网络对应的特征图最优尺寸与所述待输入特征图的尺寸的关系，确定匹配的输入调整方式，对所述待输入特征图的尺寸进行调整；将调整后的待输入特征图输入到所述优化后的卷积神经网络中，得到所述优化后的卷积神经网络输出的输出特征图；根据所述输入调整方式确定所述输出特征图的输出调整方式，并对所述输出特征图进行调整，将调整后的输出特征图作为所述卷积神经网络的目标输出特征图结果。本发明实施例可以使卷积神经网络适配硬件设备的加速性能，提高卷积神经网络的计算速度。

主权项：1.一种卷积神经网络计算优化方法，其特征在于，包括：获取优化后的卷积神经网络的待输入特征图；根据所述优化后的卷积神经网络对应的特征图最优尺寸与所述待输入特征图的尺寸的关系，确定匹配的输入调整方式，对所述待输入特征图的尺寸进行调整；将调整后的待输入特征图输入到所述优化后的卷积神经网络中，得到所述优化后的卷积神经网络输出的输出特征图；根据所述输入调整方式确定所述输出特征图的输出调整方式，并对所述输出特征图进行调整，将调整后的输出特征图作为所述卷积神经网络的目标输出特征图结果；其中，所述优化后的卷积神经网络是基于本机设备的所述特征图最优尺寸和卷积核最优尺寸对所述卷积神经网络进行调整得到的，所述优化后的卷积神经网络的卷积层中的输入特征图的尺寸为所述特征图最优尺寸；所述优化后的卷积神经网络的卷积层中的卷积核的尺寸为所述卷积核最优尺寸，所述尺寸包括行和列，所述最优尺寸为基于适配本机设备的加速效果确定的尺寸，所述加速包括卷积运算速度的加速；所述根据所述优化后的卷积神经网络对应的特征图最优尺寸与所述待输入特征图的尺寸的关系，确定匹配的输入调整方式，包括：若所述待输入特征图的尺寸大于所述特征图最优尺寸，确定所述输入调整方式为输入分割处理；所述输入分割处理用于将所述待输入特征图分割成与所述特征图最优尺寸相同的多个输入特征图单元，在所述待输入特征图中处于相邻状态的两个输入特征图单元不全相同；若所述待输入特征图的尺寸小于所述特征图最优尺寸，确定所述调整方式为输入拼接处理；所述输入拼接处理用于将至少一个所述待输入特征图拼接成与所述特征图最优尺寸相同的输入特征图单元；所述输入特征图单元中每两个相邻输入特征图之间间隔区域为零。

全文数据：

权利要求：

百度查询： 上海燧原智能科技有限公司 卷积神经网络计算优化方法、装置、计算机设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD