[发明专利]脉动阵列和处理系统

说明书

本公开涉及一种处理系统。该处理系统可以包括脉动阵列，该脉动阵列包括排列成M行和N列的多个处理元件(PE)，其中M和N是自然数，且M不等于N。该处理系统可以进一步包括行缓冲器和列缓冲器，其中行缓冲器在行方向上将行数据传送到脉动阵列，列缓冲器在列方向上将列数据传送到脉动阵列。当处理系统处于第一模式时，行数据是输入数据，列数据是权重。当处理系统处于第二模式时，行数据是权重，列数据是输入数据。

相关申请的交叉引用

本申请要求于2019年3月7日提交的申请号为10-2019-0026198的韩国专利申请的优先权，其全部内容通过引用整体并入本文。

技术领域

示例性实施例涉及一种脉动阵列和包括该脉动阵列的处理系统。

背景技术

卷积神经网络(CNN)是一种常用于图像识别和分析的处理系统。这样的处理系统执行卷积运算，例如通过应用特定滤波器从图像中提取特征。脉动阵列可以用于这种操作。

脉动阵列包括布置成多个行和多个列的多个处理元件(PE)。因为在许多情况下可只用到多个PE中的一些PE，脉动阵列的利用率可能较低。

发明内容

各个实施例涉及提供一种增加脉动阵列的利用率的技术。

在实施例中，一种处理系统可以包括：脉动阵列，包括排列成M行和N列的多个处理元件(PE)，其中M和N是自然数，并且M不等于N；行缓冲器，被配置为在行方向上将行数据传送到脉动阵列，其中当处理系统处于第一模式时，行数据是输入数据，当处理系统处于第二模式时，行数据是权重；以及列缓冲器，被配置为在列方向上将列数据传送到脉动阵列，其中当处理系统处于第一模式时，列数据是权重，以及当处理系统处于第二模式时，列数据是输入数据。

在实施例中，一种脉动阵列可以包括：M个行输入，被配置为在第一模式下将输入数据作为行数据传送，在第二模式下将权重作为行数据传送，其中M是自然数；N个列输入，被配置为在第一模式下将权重作为列数据传送，在第二模式下将输入数据作为列数据传送，其中N为自然数，并且N不等于M；以及M*N个处理元件(PE)，每个PE被配置为对传送到M个行输入之中与PE相对应的行输入的行数据和传送到N个列输入之中与PE相对应的列输入的列数据执行乘法运算，然后将乘法运算的结果与先前运算的结果相加。

附图说明

图1示出根据实施例的脉动阵列。

图2示出可以使用脉动阵列执行的说明性的矩阵乘法运算。

图3示出如何将输入数据矩阵和权重矩阵输入到脉动阵列，以使用4X2脉动阵列执行图2的矩阵乘法运算。

图4示出使用图3的脉动阵列执行图2的矩阵乘法运算的运算结果。

图5示出可以使用脉动阵列执行的另一说明性的矩阵乘法运算。

图6示出当使用4X2脉动阵列执行图5的矩阵乘法运算时，如何将输入数据矩阵和权重矩阵输入到脉动阵列。

图7示出使用图6的脉动阵列执行图5的矩阵乘法运算的运算结果。

图8示出根据实施例的处理系统800。

图9示出当使用图8的处理系统的第二模式执行将2X3输入数据矩阵和3X4权重矩阵相乘的诸如图5所示的矩阵乘法运算时，如何将输入数据矩阵和权重矩阵输入到图8的脉动阵列。

图10示出使用图8的脉动阵列执行图5的矩阵乘法运算的运算结果。

图11示出在被输出转换器转换之后，使用图8的脉动阵列执行图5的矩阵乘法运算的运算结果。

具体实施方式