Este documento presenta un método novedoso para minimizar el consumo de energía de los movimientos de datos de peso requeridos por una operación de convolución realizada en un array de multiplicador-acumulador (MAC) bidimensional de un acelerador de red neuronal profunda. La técnica propuesta emplea un archivo de registro local (LRF) en cada unidad MAC de manera que una vez que los píxeles de peso se leen desde el búfer global al LRF, se reutilizan desde el LRF tantas veces como se desee en lugar de ser recuperados repetidamente desde el búfer global en cada operación de convolución. Uno de los méritos más evidentes del método propuesto es que el procedimiento está completamente libre de la carga de transferencia de datos entre unidades MAC vecinas. Se encontró en nuestras simulaciones que el método propuesto proporciona un ahorro de energía de aproximadamente 83.33% y 97.62% en comparación con los ahorros de energía registrados por los métodos convencionales, respectivamente, cuando las dimensiones de la matriz de datos de entrada y la matriz de pesos son 128 x 128 y 5 x 5, respectivamente. Los ahorros de energía aumentan a medida que aumentan las dimensiones de la matriz de datos de entrada o la matriz de pesos.