1.一种基于数据压缩的神经网络处理器，其特征在于，包括：
至少一个存储单元，用于存储操作指令与参与计算的数据；
至少一个存储单元控制器，用于对所述存储单元进行控制；
至少一个计算单元，用于执行神经网络的计算操作；
控制单元，与所述存储单元控制器与所述计算单元相连，用于经由所述存储单元控制器获得所述存储单元存储的指令，并且解析所述指令以控制所述计算单元；
至少一个数据压缩单元，用于按照数据压缩存储格式对所述参与计算的数据进行压缩，其中每个所述数据压缩单元与所述计算单元相连。
2.如权利要求1所述的基于数据压缩的神经网络处理器，其特征在于，所述存储单元包括输入数据存储单元、输出数据存储单元、权重存储单元、指令存储单元。
3.如权利要求2所述的基于数据压缩的神经网络处理器，其特征在于，所述输入数据存储单元用于存储所述参与计算的数据，所述参与计算的数据包括原始特征图数据与参与中间层计算的数据；所述输出数据存储单元包括计算获得的神经元响应值；所述权重存储单元用于存储已经训练好的神经网络权重；所述指令存储单元用于存储参与计算的指令信息。
4.如权利要求1所述的基于数据压缩的神经网络处理器，其特征在于，在进行数据调度过程时，根据所述计算单元的容量将所述参与计算的数据分为多个数据块，所述多个数据块依次载入到所述计算单元中。
5.如权利要求4所述的基于数据压缩的神经网络处理器，其特征在于，每个所述数据块按照所述数据压缩存储格式存储在所述存储单元中，所述数据压缩存储格式由<数值,偏移量>两部分构成。
6.如权利要求5所述的基于数据压缩的神经网络处理器，其特征在于，所述数据压缩存储格式中的“数值”为所述参与计算的数据的数值，所述“偏移量”为所述数值在所述数据块中的相对位置。
7.如权利要求4所述的基于数据压缩的神经网络处理器，其特征在于，所述参与计算的数据依照所述数据压缩存储格式存储，保证数值为零的所述参与计算的数据不参与神经网络计算，只有非零的所述参与计算的数据会被存储并参与计算。
8.如权利要求2所述的基于数据压缩的神经网络处理器，其特征在于，所述计算单元从与其相关联的所述输入数据存储单元中获得数据以进行计算，并且向与其相关联的所述输出数据存储单元写入数据。
9.一种设计如权利要求1-8任意一项所述基于数据压缩的神经网络处理器的设计方法，其特征在于，包括：
步骤1，所述控制单元对所述存储单元进行寻址，读取并解析下一步需要执行的指令；
步骤2，根据解析出的指令获得存储地址，并从所述存储单元中获取所述参与计算的数据与权重；
步骤3，将所述参与计算的数据与权重分别从所述输入存储单元与所述权重存储单元载入至所述计算单元；
步骤4，所述计算单元执行神经网络运算中的运算操作，其中通过所述数据检索单元保证了被压缩的数据可以与权重数据正确计算；
步骤5，将神经网络计算结果存储在所述输出存储单元中。
10.一种包括如权利要求1-8任意一项所述基于数据压缩的神经网络处理器的芯片。