一种基于通用神经网络处理器并行加速ResNet的实现方法

摘要

本发明公开了一种基于通用神经网络处理器并行加速ResNet的实现方法，包括以下步骤：将数据集和权重从中央缓存区载入寄存器，进行卷积层的运算，将权重矩阵从寄存器载入矩阵乘法单元；以流数据的方式将数据集矩阵送入矩阵乘法单元，并将运算结果写回寄存器，重复这一过程直到全部的数据处理完毕；用向量压缩单元完成批标准化的运算；用SIMD运算单元完成线性整流的运算；用SIMD运算单元和向量压缩单元完成池化层的运算；用矩阵乘法单元完成全连接层的运算，结果写回到寄存器；将寄存器中的结果写回中央缓存区。采用矩阵乘法单元完成卷积层和全连接层的运算，具备最佳的性能和性能功耗比，实现更低的能源消耗，更短的模型收敛时间，更快的图像识别速度。