本发明涉及神经网络电路以及神经网络电路的控制方法。本申请基于2021年10月08日在日本申请的特愿2021-165970号主张优先权，在此引用其内容。
背景技术：
1、近年来，卷积神经网络(convolutional neural network：cnn)被用作图像识别等的模型。卷积神经网络为具有卷积层、池化层的多层构造，需要卷积运算等大量运算。已设计了各种使基于卷积神经网络的运算高速化的运算方法(专利文献1等)。
2、现有技术文献
3、专利文献
4、专利文献1：日本特开2018-077829号公报
技术实现思路
1、发明所要解决的技术课题
2、另一方面，期望在iot(物联网)设备等嵌入式设备中也实现利用卷积神经网络的图像识别等。在嵌入式设备中，难以嵌入专利文献1等记载的大规模专用电路。另外，在cpu、存储器等硬件资源受限的嵌入式设备中，仅利用软件难以充分实现卷积神经网络的运算性能。
3、鉴于上述情况，本发明的目的在于提供能够使可嵌入于iot设备等嵌入式设备的神经网络电路高性能地工作的神经网络电路以及神经网络电路的控制方法。
4、用于解决技术课题的技术方案
5、为了解决上述技术课题，本发明提出以下方案。
6、本发明的第一方案的神经网络电路具备：卷积运算电路，对输入数据进行卷积运算；以及量化运算电路，对所述卷积运算电路的卷积运算输出数据进行量化运算，其中，所述卷积运算电路在等到了所述卷积运算的执行时，使对所述卷积运算电路的至少一部分提供的第一时钟的时钟门控(clock gating)有效。
7、发明效果
8、本发明的神经网络电路以及神经网络电路的控制方法能够使可嵌入于iot设备等嵌入式设备的神经网络电路高性能地工作。
1.一种神经网络电路，具备：
2.根据权利要求1所述的神经网络电路，其中，
3.根据权利要求2所述的神经网络电路，还具有：
4.根据权利要求3所述的神经网络电路，其中，
5.根据权利要求3或4所述的神经网络电路，具备：
6.根据权利要求5所述的神经网络电路，还具备：
7.根据权利要求5或6所述的神经网络电路，还具备：
8.根据权利要求7所述的神经网络电路，还具备：
9.根据权利要求5所述的神经网络电路，具备：
10.根据权利要求6所述的神经网络电路，具备：
11.根据权利要求7所述的神经网络电路，具备：
12.根据权利要求8所述的神经网络电路，具备：
13.根据权利要求1所述的神经网络电路，其中
14.一种神经网络电路的控制方法，该神经网络电路具备：
15.根据权利要求14所述的神经网络电路的控制方法，其中，
16.根据权利要求15所述的神经网络电路的控制方法，其中
17.根据权利要求14所述的神经网络电路的控制方法，其中
