[发明专利]一种包括比特转换装置的神经网络处理器及其方法

说明书

本发明提供一种神经网络处理器，以及采用所述神经网络处理器对神经网络的数据进行比特转换的方法。所述神经网络处理器中包括比特转换装置，该比特转换装置包括：输入接口、控制单元、数据转换单元、和输出接口；其中，所述控制单元用于产生针对所述数据转换单元的控制信号；所述输入接口用于接收原始数据；所述数据转换单元用于根据所述控制信号对所述原始数据进行比特转换，以将所述原始数据转换为采用更少的比特位数进行表达的比特转换结果；所述输出接口用于将所述比特转换结果输出所述比特转换装置。通过本发明可以减少表达数据所采用的比特位数，降低计算所需的硬件成本、和能耗，提高计算速度。

技术领域

本发明涉及人工智能领域，尤其涉及对神经网络处理器的改进。

背景技术

人工智能的深度学习技术在近几年得到了飞速的发展，在解决高级抽象认知问题上，例如图像识别、语音识别、自然语言理解、天气预测、基因表达、内容推荐和智能机器人等领域得到了广泛应用并且被证实了具有出色的表现。这使得对于人工智能技术的开发和改进成为了学术界和工业界的研究热点。

深度神经网络是人工智能领域具有最高发展水平的感知模型之一，该类网络通过建立模型来模拟人类大脑的神经连接结构，采用多个变换阶段分层对数据特征进行描述，为图像、视频和音频等大规模数据处理任务带来了突破性进展。深度神经网络的模型属于一种运算模型，其包含大量的节点，这些节点之间采用网状的互连结构，被称作为深度神经网络的神经元。在两个节点之间的连接强度代表信号在该两个节点间的加权值，即权重，以与生物学意义上的神经网络中的记忆相对应。

针对神经网络计算的专用处理器，即神经网络处理器也得到了相应的发展。在实际的神经网络计算处理过程中，需要对大量的数据反复地进行卷积、激活、池化等操作，这需要消耗极大量的计算时间，严重影响了用户的使用体验。这使得如何减少神经网络的计算时间成为了针对神经网络处理器的一种改进策略。

发明内容

因此，本发明的目的在于克服上述现有技术的缺陷，提供一种神经网络处理器，该神经网络处理器中包括比特转换装置，该比特转换装置包括：

输入接口、控制单元、数据转换单元、和输出接口；

其中，

所述控制单元用于产生针对所述数据转换单元的控制信号；

所述输入接口用于接收原始数据；

所述数据转换单元用于根据所述控制信号对所述原始数据进行比特转换，以将所述原始数据转换为采用更少的比特位数进行表达的比特转换结果；

所述输出接口用于将所述比特转换结果输出所述比特转换装置。

优选地，根据所述神经网络处理器，其中所述控制单元用于根据设置的参数或者输入的参数确定执行比特转换的规则，以产生所述控制信号；

其中，所述参数包括与所述原始数据的比特位数以及所述比特转换结果的比特位数相关的信息。

优选地，根据所述神经网络处理器，其中所述数据转换单元用于根据所述控制信号，确定所述原始数据中的保留位以及截断位，并且根据所述原始数据的保留位以及所述原始数据的截断位中的最高位确定所述比特转换结果。

优选地，根据所述神经网络处理器，其中所述数据转换单元用于根据所述控制信号，确定所述原始数据中的保留位以及截断位，并且将所述原始数据中的保留位作为所述比特转换结果。

优选地，根据所述神经网络处理器，其中所述数据转换单元用于根据所述控制信号对所述原始数据进行比特转换，以原始数据转化为采用原本一半的比特位数进行表达的比特转换结果。

一种采用上述任意一项所述的神经网络处理器对神经网络的数据进行比特转换的方法，包括：

1)所述控制单元产生针对数据转换单元的控制信号；