[发明专利]用于处理数据组的可编程器件及处理数据组的方法

说明书

提供了一种用于处理数据组的可编程器件及处理数据组的方法，所述可编程器件包括：多个累加电路，其中，每个累加电路包括一个流水线加法器和用于存储所述流水线加法器计算结果的一个缓存单元；以及多路复用器，用于依次接收所述数据组中的数据，动态地确定包含在所述数据中的多个特征与所述多个累加电路之间的对应关系，并根据所述对应关系将所接收数据中的多个特征的特征值分别发送到对应的累加电路。

技术领域

本发明涉及一种用于处理数据组的可编程器件和一种处理数据组的方法。

背景技术

随着机器学习算法的发展，在机器学习算法(例如，梯度回归决策树GBDT)的具体实现中，处理节点分裂是其中大量消耗运行时间的步骤，GBDT算法的总体运行时间取决于此。在例如直方图算法的处理节点分裂的诸多算法中，流水线优化是一种在硬件加速中常见的并行优化方法。流水线优化将一个复杂的处理操作切分为多个步骤，通过在不同步骤上重叠操作，使得多个操作可以并行地加以执行，从而大大的提升了整个程序的运行速度，也有效地提高了硬件资源的利用效率。

在现有技术中，为了将GBDT直方图算法中的累加操作进行流水线优化，通常采用累加器来解决因流水线优化而带来的数据依赖(数据冲突)问题。然而，由于资源(例如，大于2万个独立的累加需求)和精度(例如，64位double双精度浮点数)的限制，在GBDT直方图算法的硬件加速实现中，无法直接使用专门的累加器来执行累加操作。因此，采用专门的累加器来执行累加操作的优化方法是受限的。

发明内容

本发明的目的在于提供一种用于处理数据组的可编程器件和一种处理数据组的方法。

本发明的一方面提供了一种用于处理数据组的可编程器件，所述可编程器件包括：多个累加电路，其中，每个累加电路包括一个流水线加法器和用于存储流水线加法器计算结果的一个缓存单元；以及多路复用器，用于依次接收数据组中的数据，动态地确定包含在所述数据中的多个特征与多个累加电路之间的对应关系，并根据对应关系将所接收数据中的多个特征的特征值分别发送到对应的累加电路。

可选地，每个累加电路中的流水线加法器可以用于从对应缓存单元中读取所接收到的特征值所属的分桶对应的累加值，可以将所接收到的特征值累加到读取的累加值上得到新的累加值，并且可以用新的累加值更新对应缓存单元中的相应累加值。

可选地，可编程器件还可以包括：输出单元，用于将各累加电路中的各缓存单元中的与同一特征的同一分桶对应的累加值进行求和，并输出与各特征的各分桶对应的各最终累加值。

可选地，累加电路的数量可以与数据组中的数据所包含的特征的数量相同。

可选地，累加电路的数量可以小于数据组中的数据所包含的特征的数量，或者，累加电路的数量可以大于数据组中的数据所包含的特征的数量。

可选地，多路复用器可以用于根据所接收的数据在数据组中的序号及所接收数据中的各特征的序号，动态地确定包含在所接收数据中的多个特征与多个累加电路之间的对应关系。

可选地，数据可以包括指示所包含的各特征值所分别对应的特征的特征标签和指示所包含的各特征值所对应的分桶的分桶标签；每个累加电路中的流水线加法器可以用于根据所接收到的特征值对应的特征标签和分桶标签，从对应缓存单元中读取所接收到的特征值所属的分桶对应的累加值。

可选地，数据可以包括指示所包含的各特征值所对应的分桶的分桶标签；每个累加电路中的流水线加法器可以用于根据多路复用器的动态确定对应关系的控制逻辑和所接收到的特征值对应的分桶标签，从对应缓存单元中读取所接收到的特征值所属的分桶对应的累加值。

可选地，流水线加法器可以为单精度加法器或双精度加法器。

可选地，数据组可以是特定应用场景下的用于进行机器学习的样本数据集；可编程器件可以用于对样本数据集执行梯度回归决策树GBDT直方图算法处理。