技術特征：

1.一種精準局部密集化的稀疏卷積加速器，其特征在于，所述加速器應用于神經網絡，所述加速器包括：

2.根據權利要求1所述的一種精準局部密集化的稀疏卷積加速器，其特征在于，每個分塊中包括有效數據、無效數據、有效坐標范圍和對應所述有效數據的數據地址。

3.根據權利要求2所述的一種精準局部密集化的稀疏卷積加速器，其特征在于，所述數據分塊模塊(200)包括：

4.根據權利要求3所述的一種精準局部密集化的稀疏卷積加速器，其特征在于，所述有效范圍計算單元(210)還被配置為：

5.根據權利要求4所述的一種精準局部密集化的稀疏卷積加速器，其特征在于，所述子圖生成模塊(300)包括：

6.根據權利要求5所述的一種精準局部密集化的稀疏卷積加速器，其特征在于，所述特征乘加樹單元(320)還被配置為：

7.根據權利要求6所述的一種精準局部密集化的稀疏卷積加速器，其特征在于，所述核內累加模塊(400)包括：

8.根據權利要求7所述的一種精準局部密集化的稀疏卷積加速器，其特征在于，所述坐標提取單元(450)還被配置為：

9.根據權利要求1所述的一種精準局部密集化的稀疏卷積加速器，其特征在于，所述數據裝載模塊(100)包括：

10.根據權利要求9所述的一種精準局部密集化的稀疏卷積加速器，其特征在于，所述數據裝載模塊(100)還包括：

技術總結
本申請?zhí)峁┮环N精準局部密集化的稀疏卷積加速器，包括數據裝載模塊，數據裝載模塊被配置為從神經網絡中獲取點云數據和權重數據；點云數據包括對應不同權重的圖像坐標數據和圖像特征數據；權重數據對應不同的權重；數據分塊模塊，數據分塊模塊被配置為對點云數據和權重數據進行分塊處理，得到若干個分塊；子圖生成模塊，子圖生成模塊被配置為對分塊分別進行偏移處理和乘加樹處理，得到對應每個權重的特征子圖；核內累加模塊，核內累加模塊被配置為對所述特征子圖進行劃分，并進行卷積核累加處理，得到目標特征圖。本申請通過上述加速器解決了現有稀疏卷積處理技術效率低下的問題。

技術研發(fā)人員：林軍,王佳新,陳弘煒,吳凱
受保護的技術使用者：南京大學
技術研發(fā)日：
技術公布日：2024/12/10