[发明专利]用于卷积神经网络的运算装置有效
| 申请号： | 201710182633.2 | 申请日： | 2017-03-24 |
| 公开（公告）号： | CN108629406B | 公开（公告）日： | 2020-12-18 |
| 发明（设计）人： | 胥立丰;王浩 | 申请（专利权）人： | 展讯通信（上海）有限公司 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 张振军;吴敏 |
| 地址： | 201203 上海市浦东新区浦东*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 用于 卷积 神经网络 运算 装置 | ||
1.一种用于卷积神经网络的运算装置，其特征在于，包括：
多个行数据缓存单元，每一行数据缓存单元经由第一数据选择器接收外部输入的特征图数据或其他行数据缓存单元输出的特征图数据，每一行数据缓存单元具有至少一个数据窗口；
多个核心计算单元，每一行数据缓存单元与至少一个核心计算单元耦合，
所述核心计算单元包括：
权重寄存器，用于获取权重数据；
计算单元，根据所述数据窗口中的特征图数据与所述权重寄存器中的权重数据进行计算；
其中，经由所述第一数据选择器串联的行数据缓存单元包含的行数大于等于待运算窗口的行数，多个权重寄存器中的权重数据配置为与所述待运算窗口的尺寸适配。
2.根据权利要求1所述的用于卷积神经网络的运算装置，其特征在于，每个数据窗口承载的特征图数据的行数等于所述行数据缓存单元的行数。
3.根据权利要求1所述的用于卷积神经网络的运算装置，其特征在于，所述数据窗口在所述行数据缓存单元内的位置固定且互不覆盖。
4.根据权利要求1所述的用于卷积神经网络的运算装置，其特征在于，还包括：
第二数据选择器，所述核心计算单元经由所述第二数据选择器选择用于计算的数据窗口。
5.根据权利要求1所述的用于卷积神经网络的运算装置，其特征在于，
每个权重寄存器的权重数据的排列行数等于所述行数据缓存单元的行数。
6.根据权利要求1所述的用于卷积神经网络的运算装置，其特征在于，
当多个权重寄存器中的权重数据的排列范围超出所述待运算窗口的尺寸时，超出窗口尺寸的权重数据为零。
7.根据权利要求1所述的用于卷积神经网络的运算装置，其特征在于，所述计算单元根据所述数据窗口中的特征图数据与所述权重寄存器中的权重数据进行以下至少一种运算：乘加和、求和以及计算最大值。
8.根据权利要求1所述的用于卷积神经网络的运算装置，其特征在于，还包括：线性运算单元；
所述核心计算单元以矩阵的形式排列，同一列上的核心计算单元的计算结果都输出给同一个线性运算单元，同一行上的核心计算单元耦接同一行数据缓存单元。
9.根据权利要求8所述的用于卷积神经网络的运算装置，其特征在于，
所述线性运算单元，适于对所述同一列上所有核心计算单元的计算结果进行以下至少一种运算：乘加和、求和以及计算最大值。
10.根据权利要求8或9所述的用于卷积神经网络的运算装置，其特征在于，
还包括：非线性变换运算单元；
所述非线性变换运算单元，适于对所述线性运算单元的计算结果进行非线性变换。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于展讯通信（上海）有限公司，未经展讯通信（上海）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710182633.2/1.html，转载请声明来源钻瓜专利网。
- 上一篇：提高卷积神经网络计算效率的方法和装置
- 下一篇：集成式人工神经元装置
