基于费马数变换的卷积神经网络硬件加速架构

摘要

本发明提出了一种基于费马数变换的卷积神经网络硬件加速架构，包括：二维FNT模块、乘法器矩阵以及二维IFNT模块；其中二维FNT模块包括横向FNT模块、第一矩阵转置模块和纵向FNT模块；输入矩阵先由横向FNT模块按行进行费马数变换，再由纵向FNT模块按列进行费马数变换；变换后的结果与经费马数变换后的滤波器输入乘法器矩阵实现相乘运算；二维IFNT模块对乘法器矩阵输出的有限域相乘结果进行逆费马数变换。二维FNT中的每个一维FNT以及二维IFNT中的每个一维IFNT均可采用基于折叠和流水线结构实现。本发明变换时仅进行移位、取模和加法操作，有效降低实现复杂度和硬件消耗，可适用于多种输入序列和滤波器尺寸。