El acceso a la memoria fuera del chip se ha convertido en el cuello de botella de rendimiento y energía en aceleradores de redes neuronales con memoria limitada. Para ofrecer una solución para el procesamiento eficiente de energía de varios modelos de redes neuronales, este artículo propone un método de optimización de flujo de datos para redes neuronales modernas mediante la exploración de la oportunidad de reutilización de datos de una sola capa e intercapa para minimizar la cantidad de accesos a la memoria fuera del chip en aceleradores con memoria limitada. Se presenta primero un análisis matemático de tres métodos de reutilización de datos intercapa. Luego, se propone una exploración exhaustiva para determinar la estrategia óptima de reutilización de datos entre enfoques de reutilización de datos de una sola capa e intercapa. El resultado muestra que, en comparación con el método de exploración basado en una sola capa existente, SmartShuttle, el enfoque propuesto puede lograr hasta un 20.5% y un 32.5% de reducción en el acceso a la memoria fuera del chip para ResNeXt-50 y DenseNet-121, respectivamente.