技術分野
ニューラルネットワーク処理装置、およびニューラルネットワーク処理方法
発明が解決しようとする課題[発明の詳細な説明]から抜粋
しかし、従来のCNNなどのニューラルネットワークをFPGA(Field Programmable Gate Array)やマイコンなどの組み込み用のハードウェアで実装する場合、桁数の多い積和演算による処理速度の低下が課題となっていた。
課題を解決するための手段[発明の詳細な説明]から抜粋
上述した課題を解決するために、本発明に係るニューラルネットワーク処理装置は、多層ニューラルネットワークに与えられる入力信号を記憶する第1メモリと、前記多層ニューラルネットワークの重みを記憶する第2メモリと、前記第1メモリ及び前記第2メモリにそれぞれ記憶された前記入力信号と前記重みとの積和演算を含む前記多層ニューラルネットワークの畳み込み演算を行うプロセッサと、前記畳み込み演算の演算結果であり・・・ 続きを
知財ポータルサイト IP Force にログインして見る
発明の効果[発明の詳細な説明]から抜粋
本発明によれば、ニ ューラルネットワークの処理速度の低下を抑制することができる。
この特許の権利範囲[特許請求の範囲]
知財ポータルサイト IP Force にログインして確認する (無料)
この特許公報に記載されている図面[図面の簡単な説明]から抜粋
【図1】
図1は、本発明の第1の実施の形態に係るCNN処理装置の機能を説明するブロック図である。
【図2】
図2は、第1の実施の形態に係るCNN処理装置のハードウェア構成を示すブロック図である。
【図3】
図3は、第1の実施の形態に係るCNN処理方法のフローを説明するための図である。
【図4】
図4は、第1の実施の形態に係るCNN処理方法を説明するための図である。
【図5】
図5は、第2の実施の形態に係るCNN処理装置の機能を説明するブロック図である。
【図6】
図6は、第2の実施の形態に係るCNN処理方法のフローを説明するための図である。
【図7】
図7は、第2の実施の形態に係るCNN処理方法を説明するための図である。
【図8】
図8は、第3の実施の形態に係るCNN処理装置の機能を説明するブロック図である。
【図9】
図9は、第3の実施の形態に係るCNN処理方法のフローを説明するための図である。
【図10】
図10は、第3の実施の形態に係るCNN処理方法を説明するための図である。
【図11】
図11は、従来のCNNの演算処理を説明するための図である。
1…CNN処理装置、10…入力バッファ、11…重みバッファ、12…畳み込み演算部、13…演算結果バッファ、14…量子化処理部、15…出力バッファ、16…記憶部、101…バス、102…プロセッサ、103…主記憶装置、104…通信インターフェース、105…補助記憶装置、106…入出力装置、NW…通信ネットワーク、U…重み、U’…量子化された重み、A…入力信号、A’…量子化された入力信号。
全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録