为提高卷积神经网络（CNN）的计算效率和能效，以8bit定点数据作为输入，设计一个支持激活、批标准化以及池化等CNN网络中常见计算类型的卷积加速器，优化循环计算顺序并将其与数据复用技术相结合，以提高卷积计算的效率。基于软硬件协同设计思想，构建包含RISCⅤ处理器和卷积加速器的SoC系统，RISC-V处理器基于开源的指令集标准，可以根据具体的设计需求扩展指令功能。将该SoC系统部署在 Xilinx ZCU102开发板上ISC-V处理器和卷积加速器分别工作在100MHz和300MHz频率下，测试结果表明，该加速器的算力达到53.6GOP/s，运行VGG16网络进行图片推理计算时加速效果较好。