一种基于时间序列的深度卷积神经网络流式推理方法

摘要

本发明公开了一种基于时间序列的深度卷积神经网络流式推理方法。本发明方法首先根据深度卷积神经网络的参数构造并初始化各层网络的状态变量，然后拼接每层网络的状态变量和增量输入逐层送入卷积神经网络计算完成单个时间步的推理，最后通过状态变量和增量输入的迭代更新递推式地完成整个流式推理过程。本发明方法利用了基于时间序列的深度卷积神经网络流式推理时输入特征和中间计算变量在时间维度上部分重叠的特性，通过构造并迭代更新状态变量以保存前后时间步重叠的部分输入特征和中间变量，减少了大量的重复运算，在保证性能不变的情况下有效地降低了模型的算力和访存。