1.一种针对神经网络的卷积存储方法，其特征在于，该方法的步骤具体如下：

1)当卷积神经网络的输入数据大小为m×m，卷积核的大小为n×n，拼接个数为c，c≥n，c＝s×x，s为卷积核步长，x为自定义值，根据卷积核在取出的拼接数据上的移动次数确定；

根据拼接个数c对输入数据矩阵进行行填充或列填充，在输入矩阵下方增加若干行0或右侧增加若干列0，进行行填充后矩阵大小为m’×m，进行列填充后矩阵大小为m×m’，m’为c的整数倍；

2)将填充的输入数据按照拼接个数c进行拼接，拼接方式按照填充方式确定为行拼接或列拼接；行拼接时，每列的c行拼接成一组数据分别放到对应地址中，行拼接后矩阵尺寸为m’/c×m；列拼接时，每行的c列拼接成一组数据分别放到对应地址中，列拼接后矩阵尺寸为m×m’/c；

3)将拼接后的每一组数据分别存入到存储器的m’/c×m或m×m’/c个地址中；

4)选择用双口RAM中两读/两写模式，进行卷积运算时取相邻两个地址中的两组拼接数据，即两组相邻的数据；

5)让拼接后的卷积核按照步长移动在取出的两组拼接数据上移动，移动的次数为x，进行卷积运算，得出卷积结果；按照步骤4)再取出相邻的两组拼接数据让拼接后的卷积核按照步长移动，进行卷积运算，得出卷积结果与前一次的结果相加；

6)重复步骤5)，依次对所有拼接数据进行卷积，将卷积后的结果相加，得出最后的卷积结果。