本发明提供一种基于预测稀疏性实现CNN推理无损加速方法及系统,包括:获取输入向量和卷积核权重向量,确定输入向量的参考向量;根据所述输入向量、参考向量及卷积核权重向量进行卷积上界估计,获取卷积运算输出的上界;根据所述上界的大小确定是否进行卷积运算。本发明解决了现有CNN卷积神经网络在进行视频图像计算时运算量大、速度慢的缺陷,以实现计算过程的加速。
声明:
“基于预测稀疏性实现CNN推理无损加速方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)