一种基于深度学习加速核的反卷积运算方法

本发明涉及神经网络处理器NPU，具体涉及一种基于深度学习加速核的反卷积运算方法，直接加载输入张量、权重张量和偏置张量至对应的buffer，并排布成所需的结构，使用uop指定参与运算的输入地址、权重地址、偏置地址和输出地址，利用深度学习加速核中卷积运算加速的特点生成反卷积指令，进行反卷积运算；其中，深度学习加速核利用二维卷积过程中，滑动窗口在行方向或列方向上移动步长固定不变的特点，采用四重循环控制二维卷积滑动窗口在二维特征图上的移动，并且使用一条卷积指令即可完成二维卷积运算；本发明提供的技术方案能够有效克服现有技术所存在的反卷积运算效率较低的缺陷。