[发明专利]一种乘法器

说明书

申请公开了一种乘法器，所述乘法器包括：预处理器，与所述预处理器连接的第一选通器，与所述第一选通器连接的累加器；所述预处理器，用于获得第一低位宽数据和第二低位宽数据，对所述第一低位宽数据和所述第二低位宽数据进行乘法运算，得到第一乘积数据；所述第一选通器，用于获得至少一个预处理器提供的第一乘积数据从至少一个预处理器提供的第一乘积数据中选择一个第一乘积数据。采用本申请提供的乘法器，解决了现有技术中乘法器针对低位宽数据的乘加计算效率低的问题。

技术领域

本申请涉及电路设计领域，具体涉及一种乘法器。

背景技术

在互联网、大数据、物联网等领域，人工智能的使用日益广泛。随之而来的是，人工智能需要处理的数据也越来越庞大。

在人工智能需要处理的数据中，图像类数据占据了比较大的比例。在人工智能中，图像处理一般使用卷积神经网络(CNN)来处理。因此，硬件的CNN计算能力要求日益增强。CNN中，卷积计算非常多。众所周知，卷积的本质是做矩阵运算，也即乘加计算。

现有技术中，主流的神经网络一般使用高性能CPU或者GPU等硬件来实现信息处理。但是，这些硬件中的乘法器针对低位宽数据的乘加计算未进行优化，必须使用数字信号处理资源来实现，从而导致乘法器针对低位宽数据的乘加计算效率低。

发明内容

本申请提供一种乘法器，以解决现有技术中，乘法器针对低位宽数据的乘加运算未进行优化，必须使用数字信号处理资源来实现，从而导致乘法器针对低位宽数据的乘加计算效率低的问题。

本申请提供的乘法器，包括：预处理器，与所述预处理器连接的第一选通器，与所述第一选通器连接的累加器；

所述预处理器，用于获得第一低位宽数据和第二低位宽数据，对所述第一低位宽数据和所述第二低位宽数据进行乘法运算，得到第一乘积数据；

所述第一选通器，用于获得至少一个预处理器提供的第一乘积数据，从所述至少一个预处理器提供的第一乘积数据中选择一个第一乘积数据；

所述累加器，用于对所述选择的第一乘积数据和所述累加器预先获得的累加数进行加法运算，获得和值。

可选的，所述第一低位宽数据为神经网络的特征图数据。

可选的，所述第二低位宽数据为神经网络的权重数据。

可选的，所述神经网络的权重数据为剔除了值为+3和-3的权重数据。

可选的，所述选择控制数据为所有第二低位宽数据中的一个第二低位宽数据。

可选的，所述预处理器的数量为多个，多个预处理器通过一根总线接地。

可选的，所述选择控制数据为二进制编码后的选择控制数据；

所述乘法器还包括：与所述第一选通器连接的第二选通器，与所述第二选通器连接的编码器；

所述编码器，用于获得原始选择控制数据，将所述原始选择控制数据进行二进制编码处理，获得二进制编码后的选择控制数据，并将所述二进制编码后的选择控制数据提供给所述第二选通器；

第二选通器，用于向所述第一选通器提供所述二进制编码后的选择控制数据。

可选的，所述二进制编码后的选择控制数据中的第一比特位标识所述原始选择控制数据为正值数据或负值数据，所述二进制编码后的选择控制数据中的第二比特位标识所述原始选择控制数据的值是否为0。

可选的，所述第二选通器与所述累加器连接；

所述第二选通器，还用于将所述二进制编码后的选择控制数据提供给所述累加器；