基于分块卷积的深度优先数据调度方法、系统及设备 | |
尹志刚; 张鹏 | |
2021 | |
专利权人 | 中国科学院自动化研究所 |
授权国家 | 中国 |
专利类型 | 发明专利 |
摘要 | 随着深度学习技术的不断发展,以卷积神经网络为代表的一系列模型在图像分类、目标检测等领域取得了良好的效果,并在生活中得到了广泛应用。但卷积神经网络中各卷积层的特征图通常较大,采用逐层卷积的方式会占用大量的内存,而全硬件设备通常内存有限,这使得卷积模型难以在全硬件设备上进行部署,在一定程度上限制了卷积神经网络的应用。另外,逐层卷积方式只有在前一层卷积结束后才能进行下一层卷积,灵活性较低,在全硬件设备上可能造成一定的资源浪费。 目前采用模型剪枝、量化等方法在一定程度上能够减少模型前向推理时的内存占用,但在模型较大时仍可能出现内存不足的情况。因此,需要设计一种针对全硬件设备的卷积和调度方法,以实现卷积模型在资源有限的全硬件设备上高效运行。 |
授权日期 | 2021 |
申请日期 | 2021 |
专利号 | 2021103150744 |
语种 | 中文 |
专利状态 | 申请中 |
文献类型 | 专利 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/45013 |
专题 | 国家专用集成电路设计工程技术研究中心_前瞻芯片研制与测试 |
通讯作者 | 尹志刚 |
作者单位 | 中国科学院自动化研究所 |
第一作者单位 | 中国科学院自动化研究所 |
推荐引用方式 GB/T 7714 | 尹志刚,张鹏. 基于分块卷积的深度优先数据调度方法、系统及设备. 2021103150744[P]. 2021-01-01. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
基于分块卷积的深度优先数据调度方法、系统(481KB) | 专利 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[尹志刚]的文章 |
[张鹏]的文章 |
百度学术 |
百度学术中相似的文章 |
[尹志刚]的文章 |
[张鹏]的文章 |
必应学术 |
必应学术中相似的文章 |
[尹志刚]的文章 |
[张鹏]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论