[发明专利]一种可重构神经网络算法的加速装置及方法在审
| 申请号： | 201811641086.0 | 申请日： | 2018-12-29 |
| 公开（公告）号： | CN109472356A | 公开（公告）日： | 2019-03-15 |
| 发明（设计）人： | 李丽;陈沁雨;何书专;曹华锋 | 申请（专利权）人： | 南京宁麒智能计算芯片研究院有限公司 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063 |
| 代理公司： | 江苏瑞途律师事务所 32346 | 代理人： | 金龙 |
| 地址： | 210000 江苏省南京市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 神经网络算法 加速装置 可重构 算法 可重构硬件 重构控制器 资源利用率 固定配置 加速性能 降低功耗 结构网络 配置信息 数据通路 芯片设计 运算过程 最优性能 吞吐率 加速器 灵活 映射 重构 运算 优化 网络 分析 | ||
1.一种可重构神经网络算法的加速装置，其特征在于：包括存储器模块、存储控制器模块，存储控制器模块对存储器模块进行控制，并通过总线接口模块与DMA模块传输信息；总线接口模块与调度器模块连接，调度器模块与DMA模块互相连接，DMA模块与SRAM传送数据，SRAM通过SRAM控制器模块进行控制，Memory Switch模块与SRAM控制器模块控制运算单元与SRAM控制器模块进行交互；重构控制器模块，对运算单元进行控制，通过配置信息对神经网络算法重构特定数据通路，并控制神经网络算法在运算单元的运算。
2.根据权利要求1所述的一种可重构神经网络算法的加速装置，其特征在于：所述的计算单元由超越计算单元和脉动阵列组成，其中超越计算单元由若干exp函数组成，用于非线性激活函数的实现。
3.根据权利要求2所述的一种可重构神经网络算法的加速装置，其特征在于：所述的脉动阵列中包括n*n个NCU，n为不小于8的自然数。
4.根据权利要求3所述的一种可重构神经网络算法的加速装置，其特征在于：脉动阵列中包括32*32个NCU。
5.根据权利要求3或4所述的一种可重构神经网络算法的加速装置，其特征在于：每个NCU包括一个乘法器、一个加法器及若干寄存器组成，数据经由乘法器相乘，得出的结果送入加法器中进行累加，寄存器主要用于存放累加过程中的部分和、源数据1、2和本地结果。
6.根据权利要求5所述的一种可重构神经网络算法的加速装置，其特征在于：脉动阵列的接口为：32个源数据1输入接口、32个源数据2输入接口、1个设定乘累加计算长度的输入接口、1个输入数据有效信号的输入接口、1个激活函数选择信号的输入接口、32个结果数据的输出接口、1个结果输出有效信号的输出接口。
7.根据权利要求1所述的一种可重构神经网络算法的加速装置，其特征在于：SRAM控制模块用于在Memory Switch模块功能完成后，控制神经网络算法源数据1、2和结果数据在DMA和SRAM之间的传输。
8.一种可重构神经网络算法的加速方法，其特征在于：采用权利要求1-6任一所述的加速装置，指令通过总线接口传入到调度器中进行解码，数据通路根据配置信息重构，数据从存储器由DMA模块传输至SRAM，运算单元阵列从SRAM中读取数据进行计算，结果存回SRAM中，最后再通过DMA模块传输回存储器。
9.根据权利要求8所述的一种可重构神经网络算法的加速方法，其特征在于：所述的运算单元阵列对神经网络算法拆分为若干卷积运算、矩阵乘法以及非线性计算，对神经网络算法进行重构映射。
10.根据权利要求8或9所述的一种可重构神经网络算法的加速方法，其特征在于：所述的脉动阵列的脉动方式为，从上往下广播源数据1，从左到右传播源数据2，结果在阵列中各个NCU本地产生。从阵列右端的32个结果数据接口依次输出。
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南京宁麒智能计算芯片研究院有限公司，未经南京宁麒智能计算芯片研究院有限公司许可，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/201811641086.0/1.html，转载请声明来源钻瓜专利网。
