基于Winograd算法的卷积神经网络硬件加速器及计算方法

摘要

本发明公开了一种基于Winograd算法的卷积神经网络硬件加速器及计算方法，该加速器包括：输入缓冲模块、PE阵列、后处理模块，数据分配器、控制模块、配置模块、输出缓冲模块、存储层；配置模块将指令译码成配置信息；控制模块用于控制PE阵列、数据分配器等模块完成不同计算；数据分配器采用不同的地址映射方式和数据分配方式从存储层中读取数据，并将数据分配到输入缓冲中；输入缓冲模块将缓冲的计算数据发送到PE阵列进行计算；PE阵列根据配置信息进行计算通路重构并对数据进行计算；后处理模块将计算结果进行多通道累加、激活函数处理等操作。本发明能提高卷积计算速度，减少数据搬移损耗，从而提高整个加速器的性能。