摘要
本发明实施例提供了一种卷积运算方法、装置、电子设备及可读存储介质,所述方法包括:获取输入数据和算子流文件;所述算子流文件中包括算子;确定所述算子流文件中所述算子的算子类型;当所述算子的算子类型是指定算子类型时,确定所述算子的卷积核类型;根据所述第一指定卷积核类型、所述算子的所述卷积核类型,对应采用所述乘法累加单元对所述输入数据进行卷积运算,得到卷积运算结果。本发明实施例的神经网络处理器中包括针对第一指定卷积核类型的卷积运算的加速硬件,因此,基于第一指定卷积核类型、算子的卷积核类型,对应采用乘法累加单元对输入数据进行卷积运算,提高卷积运算效率,并避免对神经网络处理器中的硬件资源的浪费。
技术关键词
乘法累加单元
神经网络处理器
卷积运算方法
卷积运算装置
硬件平台
通信接口
随机存储器
电子设备
数据获取模块
软件算法
通道
格式
浮点数
可读存储介质
指令
计算机
系统为您推荐了相关专利信息
程序分析方法
抽象语法树
特征模板
程序分析装置
硬件平台
译码单元
生成神经网络
神经网络处理器
字段
接口管理单元
分类图像数据
图像分类方法
卷积模块
神经网络处理器
样本
矩阵
传输方法
阵列设计方法
奇异值分解方法
元素