本发明公开了一种面向可重构神经网络处理器的布局方法。对神经网络进行训练，得到网络参数；神经网络中各卷积层的权重设置复制份数，根据各卷积层的输入数据的数据量之间的比例关系建立各卷积层权重的复制份数之间的比例关系，获得每一卷积层在可重构神经网络处理器上需要的存内计算核的个数：将单个卷积层的数据计算分配到各自的多个存内计算核，当前卷积层将输入数据分布至多个存内计算核并行计算，然后发送到下一个卷积层；通过最小化通讯功耗和最大带宽获得最终的优化布局结果。本发明方法解决了层内以及各层之间的数据同步问题，减小了缓存需求，也解决了数据传输功耗的问题，减小了层内的带宽需求，具有较好的鲁棒性。