The invention discloses a processing method, convolution neural network data device and medium, the method comprises the following steps: acquiring preset configuration file, and through the configuration file to initialize the Caffe framework to establish a convolutional neural network; obtaining the original data by FPGA, and in accordance with the original data processing logic sequence the convolutional neural in the network between the levels of the data to get the final result; among them, the level at the end of the incoming data processing operation, the level of the result data to the next level and receive the treatment level of the new incoming data to continue processing operation. This method achieves parallel and pipelining processing effect, improves the efficiency of resource utilization, and achieves the same operation performance as the existing technology while reducing the overall power consumption. In addition, the invention also provides a data processing device and a medium for the convolution neural network, which is beneficial effect as described above.
【技术实现步骤摘要】
一种卷积神经网络的数据处理方法、装置及介质
本专利技术涉及数据处理领域,特别是涉及一种卷积神经网络的数据处理方法、装置及介质。
技术介绍
卷积神经网络是近年来发展并引起广泛重视的一种高效识别方法,已经逐渐成为当前语音分析和图像识别领域的研究热点,其所具有的权值共享网络结构使之更类似于生物神经网络,降低了网络模型的复杂度,减少了权值的数量。卷积神经网络的优点在图像处理时尤为明显,使图像可以直接作为输入数据,避免传统识别算法中复杂的特征提取和数据重建的过程。Caffe是处理卷积神经网络的高效框架之一,由于其速度快、通用性强等特点被广泛应用。当前的卷积神经网络普遍是通过GPU支持基于Caffe框架构建的卷积神经网络以进行数据的运算处理,进而实现卷积神经网络对语音或图像的识别分析,虽然GPU具有较为强大的运算性能,但是由强大的运算性能所带来的是相对较大的功耗,因此相对提高了使用卷积神经网络处理数据的整体成本。由此可见,提供一种卷积神经网络的数据处理方法,在保证具有强大运算性能的同时,降低整体的功耗,是本领域技术人员亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种卷积神经网络的数据处理方法、装置及介质,实现了并行且流水化的处理效果,能够保证FPGA中的可用资源无闲置,提高了资源使用效率,在达到与现有技术相同运算性能的同时,相对降低了整体的功耗。为解决上述技术问题,本专利技术提供一种卷积神经网络的数据处理方法,包括:获取预设的配置文件,并通过配置文件对Caffe框架进行初始化配置以建立卷积神经网络;通过FPGA获取原始数据,并依照卷积神经网络中各处理层级间的逻辑 ...
【技术保护点】
一种卷积神经网络的数据处理方法,其特征在于,包括:获取预设的配置文件,并通过所述配置文件对Caffe框架进行初始化配置以建立卷积神经网络;通过FPGA获取原始数据,并依照所述卷积神经网络中各处理层级间的逻辑顺序处理各所述原始数据以得到最终结果数据;其中,各所述处理层级在结束对当前传入数据的处理操作后,将本层级的结果数据传输至下一处理层级并接收本层级新的传入数据以继续进行所述处理操作;所述处理操作中包括基于Winograd算法的卷积转化操作。
【技术特征摘要】
1.一种卷积神经网络的数据处理方法,其特征在于,包括:获取预设的配置文件,并通过所述配置文件对Caffe框架进行初始化配置以建立卷积神经网络;通过FPGA获取原始数据,并依照所述卷积神经网络中各处理层级间的逻辑顺序处理各所述原始数据以得到最终结果数据;其中,各所述处理层级在结束对当前传入数据的处理操作后,将本层级的结果数据传输至下一处理层级并接收本层级新的传入数据以继续进行所述处理操作;所述处理操作中包括基于Winograd算法的卷积转化操作。2.根据权利要求1所述的方法,其特征在于,该方法进一步包括:将所述结果数据作为分类结果进行展示。3.根据权利要求1所述的方法,其特征在于,所述配置文件具体包括:读入网络配置文件以及权重文件。4.根据权利要求1所述的方法,其特征在于,所述处理层级具体包括:convolution层级、ReLU层级、norm层级以及MaxPool层级。5.根据权利要求1所述的方法,其特征在于,所述通过FPGA获取原始数据具体为:通过所述F...
【专利技术属性】
技术研发人员:张新,郭跃超,陈继承,
申请(专利权)人:郑州云海信息技术有限公司,
类型:发明
国别省市:河南,41
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。