Please wait...

Settings

# 1. WO2020135093 - CONVOLUTIONAL NEURAL NETWORK PROCESSING METHOD AND APPARATUS, DEVICE, AND STORAGE MEDIUM

Document

## 发明名称 : 卷积神经网络处理方法、装置、设备及存储介质

[0001]

[0002]

[0003]

[0004]

[0005]

[0006]

[0007]

[0008]

[0009]

[0010]

[0011]

[0012]

[0013]

[0014]

[0015]

[0016]

[0017]

[0018]

[0019]

[0020]

[0021]

[0022]

[0023]

### 具体实施方式

[0024]

[0025]

[0026]

[0027]

[0028]

[0029]

[0030]

[0031]

[0032]

[0033]

[0034]

[0035]
Winograd变换是一种广泛使用的矩阵串行乘法，Winograd变换的思想是增加少量加法运算而减少乘法运算。Winograd变换公式为：Y＝A T[N w□W inw]A，A表示输出神经元变换矩阵，A T表示输出神经元变换矩阵的转置矩阵，N w表示对原始权值矩阵N进行Winograd变换得到的矩阵，且N w＝GNG T，G表示原始权值变换矩阵；W inw表示对原始输入神经元矩阵W in进行Winograd变换得到的矩阵，且W inw＝B TW inB，B T表示原始输入神经元变换矩阵。输出神经元变换矩阵A、原始权值变换矩阵G与原始输入神经元变换矩阵B T可以根据预设Winograd变换参数确定，这里所述的预设Winograd变换参数指的是输出神经元矩阵M out的维数与原始权值矩阵N的维数，输出神经元矩阵M out为W out*H out的矩阵，原始权值矩阵N为F*F的矩阵，即原始权值变换矩阵G与原始输入神经元变换矩阵B T可以根据F(W out*H out，F*F)确定。
[0036]

[0037]

[0038]

[0039]

[0040]

[0041]

[0042]

[0043]

[0044]

[0045]

[0046]

[0047]

[0048]

[0049]

[0050]

[0051]

[0052]

[0053]

[0054]

[0055]

[0056]

[0057]

[0058]

[0059]

[0060]

[0061]

[0062]

[0063]

[0064]

[0065]

[0066]

[0067]

[0068]

[0069]

[0070]

[0071]

[0072]

[0073]

[0074]

[0075]

[0076]

[0077]

[0078]

[0079]

[0080]

[0081]

[0082]

[0083]

[0084]

[0085]

[0086]

[0087]

[0088]

[0089]

[0090]

[0091]

[0092]

[0093]

[权利要求 1]

[权利要求 2]

[权利要求 3]

[权利要求 4]

[权利要求 5]

[权利要求 6]

[权利要求 7]

[权利要求 8]

[权利要求 9]

[权利要求 10]

[ 图 1]
[ 图 2]
[ 图 3]
[ 图 4]