1.基于RISC‑V的卷积神经网络的文字识别方法，其特征在于：该方法具体包括以下步骤：步骤S1：搭建虚拟机ubuntu16.04+tensorflow‑cpu神经网络训练环境，设计一个基于mnist数据集的6层手写数字识别网络；

其中卷积神经网络的结构为：

输入特征 卷积核 输出特征

卷积层1 28×28×1 3×3×1×16 28×28×16池化层1 28×28×16 2×2 14×14×16卷积层2 14×14×16 3×3×16×32 14×14×32池化层2 14×14×32 2×2 7×7×32全连接层1 7×7×32 7×7×32×128 128全连接层2 128 128×10 10每个卷积层后面接一个激活函数SIGMOD；

步骤S2、输入图片，图片中文中黑底白字；

步骤S3、训练至设定的准确度，保存权重和偏置参数文件；

步骤S4、设定RISC‑V指令集的自定义指令类型和格式为I类基本指令格式，根据预留指令编码空间设计指令，添加一个sig指令，指令格式表示为sig r1,r2，表示sigmod函数的硬件实现，具体表现为：R[r1]＝sigmod(r2)；

步骤S5、根据步骤S4设定的指令格式，采用查找表的方式实现SIGMOD函数，设计具体的硬件加速电路；

步骤S6、在FPGA上面导入步骤S5的硬件加速电路和步骤S3得到的权重和偏置参数文件，搭建RISC‑V开发环境并完成自定义指令的添加；

步骤S7、输入图片，使用硬件加速电路对图片中的数字进行识别。