一种卷积神经网络权重复用与功耗协同优化方法及系统

本发明公开了一种卷积神经网络权重复用与功耗协同优化方法及系统，涉及深度学习技术领域，通过将卷积操作从空间域转换到频率域，利用快速傅里叶变换(FFT)减少计算量，并在频率域中对点积进行因式分解，提取公共权重，结合激活组重用策略进一步优化计算过程。通过机器学习算法动态调整权重复用模式，设计硬件友好的权重复用编码方案，探索跨层权重复用策略，并将优化策略集成到硬件加速器系统中，全面提升了卷积神经网络的计算效率和功耗性能。