人工神经网络(Artificial Neural Network,ANN)是近年来一个热点研究领域,因为它在人工智能和模式识别等领域获得了广泛的应用。目前大多神经网络算法都是在CPU、GPU等通用桌面计算设备上进行加速计算,为了将其应用扩展至移动领域,在嵌入式环境中同样也需要部署进行神经网络计算,为此基于FPGA的可编程神经网络处理器应运而生。然而,由于神经网络基于海量数据运算的特性,首先必须要明确其所需各类数据的交换传输及在存储器中的存储结构,这样才能构建正确的数据流和指令流来控制网络处理器的工作。又因为神经网络所含参数类型众多,且其结构也多种多样,因此如何设计不同条件和结构下,不同数据类型的特定交换与存储结构,使其既能方便的传输、寻址,又能合理的利用存储资源,是嵌入式神经网络应用所需解决的重要问题。同时,如果遇到深层、大规模的网络,仅靠开发人员手动编写指令程序,不仅耗时长效率低,而且还极易出错,不利于神经网络处理器的应用。针对以上问题,本文设计并实现了基于TTA结构的神经网络处理器通用软件程序编译器。使用者通过编译器软件的可视化界面输入神经网络结构,数据类型和参数,以及硬件资源参数,编译器就会综合这些信息,判断这些数据分别对应于哪种交换与存储结构并据此自动生成指令程序和配置信息,以此实现编译器软件的通用性。本文的主要工作及贡献如下:(1)设计了类分页式图像存储结构和分割及组合式的权值存储结构,以适应神经网络模型和处理器的各种参数变化,实现编译器的参数通用性,并使用了动态地址,能够有效减少存储空间的浪费。(2)设计了适合多种神经网络结构的传输规则和指令流,实现编译器的结构通用性。(3)优化设计了TTA操作控制指令和网络结构配置指令,使他们可以根据不同情况动态改变每部分的位宽,以此充分利用指令中的每一位,同样可以节省存储资源。(4)实现了拥有友好界面的编译器软件,既可以自动初始化数据格式,又可以自动生成指令。本文实现的神经网络处理器通用编译器不仅可以针对不同参数下的图像、权值和偏置数据设计并生成指令程序,还适用于不同的神经网络结构,同时自动化以提高效率。