技术特征：
技术总结
本发明涉及一种自适应可重构的深度卷积神经网络计算方法和装置，该方法包括：根据控制信号决定计算装置的程序执行流程；根据深度神经卷积网络规模参数对基本计算基元进行动态重构确定运算单元的组合级别和并行度；根据不同的重构情况载入相对应的处理数据，对不同属性的卷积神经网络层进行相应计算，最终得到该组神经元的连接输出结果。本发明解决了专有硬件灵活性较低的不足，可以重构运算单元的设计参数来达到支持不同规模的深度卷积神经网络的目的；本发明既可以满足相同规模的卷积核并行运算，又可以实现不同规模的卷积核并行运算，可动态重构的运算单元极大的提高了深度卷积神经网络运算的并行度，提升了计算性能。
技术研发人员：汪东升;王佩琪;刘振宇
受保护的技术使用者：清华大学
技术研发日：2017.04.19
技术公布日：2017.09.15