[发明专利]神经网络处理器、芯片和电子设备在审
| 申请号: | 201911253111.2 | 申请日: | 2019-12-09 |
| 公开(公告)号: | CN111047036A | 公开(公告)日: | 2020-04-21 |
| 发明(设计)人: | 袁生光 | 申请(专利权)人: | OPPO广东移动通信有限公司 |
| 主分类号: | G06N3/063 | 分类号: | G06N3/063;G06F9/38;G06F9/30 |
| 代理公司: | 深圳翼盛智成知识产权事务所(普通合伙) 44300 | 代理人: | 李汉亮 |
| 地址: | 523860 广东*** | 国省代码: | 广东;44 |
| 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 处理器 芯片 电子设备 | ||
本申请实施例提供一种神经网络处理器、芯片和电子设备,神经网络处理器包括:标量处理单元、通用寄存器和数据搬移引擎,所述标量处理单元包括标量寄存器,所述数据搬移引擎连接所述标量寄存器和所述通用寄存器,所述数据搬移引擎用于实现所述标量处理单元和所述通用寄存器之间的数据交互。本申请实施例可以提高神经网络处理器处理数据的效率。
技术领域
本申请涉及电子技术领域,特别涉及一种神经网络处理器、芯片和电子设备。
背景技术
人工神经网络(artificial neural networks,ANN)从信息处理角度对神经元网络进行抽象,建立某种简单模型,按照不同的连接方式组成不同的网络。这些研究通常被称为深度学习(deep learning)、计算机学习(computer learning)等类似术语。
相关技术中,神经网络处理器通过不同的处理单元做不同的计算处理,可以得到计算结果或中间计算结果。针对中间计算结果需要将其传输到外部存储器中做一些处理后在反馈到神经网络处理器的处理单元继续进行计算操作。
发明内容
本申请实施例提供一种神经网络处理器、芯片和电子设备,可以提高神经网络处理器处理数据的效率。
本申请实施例还公开一种神经网络处理器,包括:
标量处理单元,所述标量处理单元包括标量寄存器;
通用寄存器;和
数据搬移引擎,所述数据搬移引擎连接所述标量寄存器和所述通用寄存器,所述数据搬移引擎用于实现所述标量处理单元和所述通用寄存器之间的数据交互。
本申请实施例还公开一种芯片,包括神经网络处理器,所述神经网络处理器为如上所述的神经网络处理器。
本申请实施例还公开一种电子设备,包括:
系统总线;
外部存储器;
中央处理器;和
神经网络处理器,所述神经网络处理器为如上所述的神经网络处理器;
其中,所述神经网络处理器通过所述系统总线连接所述外部存储器和所述中央处理器,所述神经网络处理器受控于所述中央处理器从所述外部存储器中获取待处理数据、及对所述待处理数据进行处理以得到处理结果,并将所述处理结果反馈到所述外部存储器
本申请实施例中,神经网络处理器通过数据搬移单元可以将标量处理单元和通用寄存器之间的数据进行交互,诸如将标量处理单元的数据搬移到通用寄存器,再比如将通用寄存器的数据搬移到标量处理单元。从而可以将原本需要上层软件根据中间处理结果做的一些操作交由神经网络处理器内部的标量处理单元或其他处理单元完成,减少与上层软件的交互,提高了神经网络处理器处理数据的效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的神经网络处理器的第一种结构示意图。
图2为本申请实施例提供的神经网络处理器的第二种结构示意图。
图3为本申请实施例提供的神经网络处理器的第三种结构示意图。
图4为本申请实施例提供的神经网络处理器的第四种结构示意图。
图5为本申请实施例提供的神经网络处理器的第五种结构示意图。
图6为本申请实施例提供的数据存储模块的结构示意图。
图7为本申请实施例提供的神经网络处理器的第六种结构示意图。
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OPPO广东移动通信有限公司,未经OPPO广东移动通信有限公司许可,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/201911253111.2/2.html,转载请声明来源钻瓜专利网。





