买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥君正科技有限公司申请的专利一种基于NNA的1xN卷积的实现方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116957002B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210320413.2，技术领域涉及：G06N3/0464；该发明授权一种基于NNA的1xN卷积的实现方法是由刘子航设计研发完成，并于2022-03-29向国家知识产权局提交的专利申请。

本一种基于NNA的1xN卷积的实现方法在说明书摘要公布了：本发明提供一种基于NNA的1xN卷积的实现方法，在不满足NNA相关参数范围时，通过对输入图像和卷积核矩阵进行拆分、重组、累加来实现NNA卷积加速，其中，卷积核拆分：对于1xN卷积，当N大于3时，超出了NNA寄存器参数范围，通过卷积核拆分实现NNA卷积加速；还包括NNA寄存器配置：使用NNA进行卷积加速必须正确配置NNA相关寄存器、卷积的步长、卷积核大小的必要参数都通过NNA寄存器进行配置，这些参数都必须在NNA支持的参数范围内才能得到正确的卷积结果。通过配置相关寄存器参数实现卷积核矩阵维度≤3x3的卷积计算加速，从而大幅度减少神经网络运行时间，在实际应用中实时性更高，用户体验更好。在不满足NNA相关参数范围时，保证通用性又能提高卷积运算速度。

本发明授权一种基于NNA的1xN卷积的实现方法在权利要求书中公布了：1.一种基于NNA的1xN卷积的实现方法，其特征在于，所述方法在不满足NNA相关参数范围时，通过对输入图像和卷积核矩阵进行拆分、重组、累加来实现NNA卷积加速，其中， 卷积核拆分：对于1xN卷积，当N大于3时，超出了NNA寄存器参数范围，通过卷积核拆分实现NNA卷积加速； 本方法还包括NNA寄存器配置：使用NNA进行卷积加速必须正确配置NNA相关寄存器、卷积的步长、卷积核大小、输入图像大小和数据位宽、FRAM和WRAM的读写地址、FRAM写地址跳转都通过NNA寄存器进行配置； 所述方法包括以下步骤： S1，输入图像大小IH*IW，卷积核矩阵大小KH*KW，输入图像边缘填充大小为pad_top，pad_bottom，pad_left，pad_right，卷积步长为stride_x，stride_y，输出图像的大小OH*OW通过以下公式计算： ； ； S2，NNA卷积过程：将卷积核数据写入WRAM，再将需要的输入图像数据写入FRAM，一次可写4或8个pixel，NNA硬件限制写入FRAM的pixel数目必须是4的整数倍；通过NNA硬件寄存器设置卷积核大小即KH和KW必须小于等于3、pad、stride、输入图像大小和数据位宽、FRAM和WRAM的读地址参数，再调用NNA硬件指令得到卷积结果输出，一次能够得到4个pixel的输出数据； 每次需要向FRAM写入的pixel数目为FP_H*FP_W： ； 其中FP_W需要对齐到4； S3，对于1xN卷积，当N≤3时，通过上述过程直接得到卷积结果；当N3时，由于NNA硬件寄存器参数范围限制，需要对卷积核矩阵进行拆分，具体实现为：卷积核大小1*NN3，NNA最大支持1*3的卷积核，将卷积核拆分为1*3，...，1*3，...，1*N%3多个卷积核，其中%表示取余数，拆分后卷积核的个数K为： ； 对前K-1个卷积核，需要向FRAM写入1*fp_w个pixel的输入数据，，fp_w需要对齐到4，通过配置NNA寄存器设置卷积核大小即1*3、pad、stride、输入图像大小和数据位宽、FRAM和WRAM的读地址参数，再调用NNA硬件指令得到4个pixel的输出数据，循环上述过程K-1次； 对最后一个卷积核即大小为1*N%3，需要向FRAM写入1*fp_w个pixel的输入数据，，fp_w需要对齐到4，通过配置NNA寄存器设置卷积核大小即1*N%3、pad、stride、输入图像大小和数据位宽、FRAM和WRAM的读地址参数，再调用NNA硬件指令得到4个pixel的输出数据，将此结果和前K-1次得到的结果进行累加，即将前K-1次得到的4个pixel数据和本次得到的4个pixel数据对应位置相加，便得到最终的1*N卷积输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥君正科技有限公司，其通讯地址为：230088 安徽省合肥市高新区望江西路800号创新园C3楼9层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。