基于多核的卷积神经网络加速方法与系统实现

摘要

分析表明,为了实现卷积神经网络的加速,经常通过并行排列多个卷积单元来实现.在理想情况下,卷积单元越多,处理速度越快.但是在实际应用中,数据带宽会大大限制卷积单元的处理速度,硬件的带宽资源非常珍贵,提高硬件的数据带宽代价巨大.因此,在有限的数据带宽和硬件开销下,提高卷积神经网络的处理速度,成为当前硬件架构设计急需解决的问题.鉴于以上所述现有技术的缺点,提供一种基于多核的卷积神经网络加速方法及系统、存储介质及终端,通过多个并行的卷积核节省卷积神经网络的数据带宽.在相同硬件数据带宽条件下,在卷积核中并行的向量点积运算提高卷积神经网络的处理速度.