卷积神经网络在计算机视觉、语音识别、图像处理等多个领域有广泛应用。随着卷积神经网络算法的卷积核数和层数不断增加,采用通用处理器进行处理,已经不能满足实时运算的需求。研究卷积神经网络算法特点,设计具有卷积神经网络扩展指令的微处理器,对提高卷积神经网络的运算速度至关重要。论文根据卷积神经网络数据统计结果中60%的零值神经元数据,使用C语言编写卷积神经网络,并利用MXnet平台测试网络中零值神经元在不同压缩比例下的精确度。同时根据RISC-V指令集扩展规则,将卷积神经网络算法中执行次数较多的操作设计为四条128-bit的自定义指令分别为:卷积操作指令、池化操作指令、数据存储指令和数据加载指令。最后在通用ZION处理器的基础上,使用Verilog硬件描述语言,设计具有卷积神经网络扩展指令的微处理器,主要在执行模块中添加四条自定义指令的加速运算单元。本文设计的微处理器同时支持32-bit通用指令与128-bit自定义卷积神经网络加速指令。本文将MNIST数据集和搭建的卷积神经网络分别在软件平台和本文设计的微处理器中运行,通过两种结果对比验证微处理器功能正确性。同时将该数据集和网络分别在通用ZION处理器和本文设计的微处理器中执行,结果显示支持卷积神经网络扩展指令的微处理器相较于通用ZION处理器,执行速度提高3.79倍,面积增加1.43倍,速度面积比为2.65倍。