[发明专利]指令处理方法、数据处理方法及装置

说明书

本发明公开了一种指令处理装置，包括：第一寄存器，适于存储多个第一源数据；第二寄存器，适于存储多个第二源数据；第三寄存器，适于存储顺序信息，顺序信息适于指示第二源数据的乘法操作执行顺序；解码器，适于接收乘累加指令并进行解码，乘累加指令指示：第一、第二、第三寄存器分别作为第一、第二、第三操作数；执行单元，适于执行解码后的乘累加指令，以便从第一寄存器中获取多个第一源数据，从第二寄存器中获取多个第二源数据，从第三寄存器中获取顺序信息，将多个第一源数据分别与顺序信息所指示的对应第二源数据相乘，得到多个乘法结果，将多个乘法结果相加以得到乘累加结果。本发明一并公开了相应的指令处理方法、数据处理方法及装置。

技术领域

本发明涉及处理器技术领域，尤其涉及具有包括乘累加指令的指令集的指令处理装置，以及通过乘累加指令来进行神经网络权重保护的数据处理方法。

背景技术

神经网络被广泛应用于模式识别、图像处理、自然语言处理、自动控制等多个领域。神经网络模型包括两部分，一部分是网络结构，包括神经网络的处理层的数量、各处理层的处理节点之间的连接关系等；另一部分是模型参数，包括神经网络各处理节点的权重、偏置等。

目前，针对不同的应用场景，开发者通常直接采用开源的通用神经网络结构(或者做少量改动)，然后采用私有的、特定应用场景下的数据集来对神经网络进行训练，确定权重等参数，从而生成可应用于特定场景的神经网络模型。由于权重是针对特定的应用场景采用私有数据集训练生成，因此，有必要对神经网络模型的权重进行保护，以防止竞争对手的抄袭行为。

现有的权重保护方法主要有两种：

一种是采用可信执行环境(例如TrustZone等)来保存神经网络权重，但这种方式会引入更复杂的软硬件设计，也会提高终端设备厂商的开发成本。

另一种是对权重进行加密存储，在进行神经网络前向计算时，再对权重进行解密。由于权重的数据量较大(远大于网络结构的数据量)，因此对权重进行解密所消耗的时间较长，内存资源需求较大，难以满足神经网络前向计算的实时性要求。

为此，需要有一种简单、高效的神经网络权重保护方案。

发明内容

为此，本发明提供一种指令处理方法、数据处理方法及装置，以力图解决或至少缓解上面存在的问题。

根据本发明的第一个方面，提供一种指令处理装置，包括：第一寄存器，适于存储多个第一源数据；第二寄存器，适于存储多个第二源数据；第三寄存器，适于存储顺序信息，顺序信息适于指示第二源数据的乘法操作执行顺序；解码器，适于接收乘累加指令并进行解码，乘累加指令指示：第一寄存器，作为第一操作数、第二寄存器，作为第二操作数、第三寄存器，作为第三操作数；执行单元，分别与第一、第二、第三寄存器和解码器耦接，适于执行解码后的乘累加指令，以便从第一寄存器中获取多个第一源数据，从第二寄存器中获取多个第二源数据，从第三寄存器中获取顺序信息，将多个第一源数据分别与顺序信息所指示的对应第二源数据相乘，以得到多个乘法结果，以及将多个乘法结果相加以得到乘累加结果。

根据本发明的第二个方面，提供一种指令处理方法，包括：接收乘累加指令并进行解码，乘累加指令指示第一寄存器为第一操作数、第二寄存器为第二操作数、第三寄存器为第三操作数；执行解码后的乘累加指令，以便从第一寄存器中获取多个第一源数据，从第二寄存器中获取多个第二源数据，从第三寄存器中获取用于指示第二源数据的乘法操作执行顺序的顺序信息，将多个第一源数据分别与顺序信息所指示的对应第二源数据相乘以得到多个乘法结果，将多个乘法结果相加以得到乘累加结果。