[发明专利]一种基于CAM的内存条目计数电路及内存装置在审

专利信息
申请号: 202110987136.6 申请日: 2021-08-26
公开(公告)号: CN113838505A 公开(公告)日: 2021-12-24
发明(设计)人: 陈迟晓;张立华;朱浩哲;张锦山;林锋 申请(专利权)人: 季华实验室
主分类号: G11C15/04 分类号: G11C15/04
代理公司: 深圳中创智财知识产权代理有限公司 44553 代理人: 田宇;李春林
地址: 528200 广东省*** 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: 一种 基于 cam 内存 条目 计数 电路 装置
【说明书】:

发明提供了一种基于CAM的内存条目计数电路,该内存条目计数电路包括CAM阵列、数据搜索状态机及驱动器、正计数器、负计数器、多对差分搜索线对、多个匹配线;CAM阵列包括N个条目行及排列在条目行上的数值运算单元、符号运算单元和多路分解器,N大于1;数据搜索状态机及驱动器生成N*N种可能的乘法模式,并广播到差分搜索线对上;在搜索模式下,通过运算单元输出激活数据和权重数据,当匹配线监视到某条目行上输出数据与乘法模式匹配时,通过正计数器或负计数器计算匹配条目的正负出现次数。本发明还提供了包括上述内存条目计数电路的内存装置。本发明通过存算一体的计算方式对匹配条目的正负出现次数进行计数,减少了内存访问功耗。

技术领域

本发明属于内存条目计数技术领域,更具体地说,是涉及一种基于CAM(ContentAddressable Memory,内容可寻址存储器)的内存条目计数电路及内存装置。

背景技术

通常用于ImageNe图像数据集的典型卷积DNN(Deep Neural Networks,深度神经网络),例如AlexNet、VGGNet、ResNet,在计算时,一层神经网络层需要数百万个MAC(multiply and accumulate operations,乘法累加操作)。传统的内存条目计数电路为了完成大量的数据计算,通常考虑增加大量的并行计算单元,以此增加计算效率。在人工智能算法中,传统的矩阵乘法运算需要大量的数据输入,包含权重数据和激活数据,这些数据在计算单元和存储单元内频繁迁移,导致大量的内存访问功耗,从而影响计算能效。

发明内容

本发明的目的在于提供一种基于CAM的内存条目计数电路及内存装置,旨在如何减少内存访问功耗,提高内存条目的计算能效的技术问题。

为解决上述技术问题,本发明提供了一种基于CAM的内存条目计数电路,所述内存条目计数电路包括CAM阵列、数据搜索状态机及驱动器、正计数器、负计数器、多对差分搜索线对,以及多个匹配线;

所述CAM阵列包括N个条目行,以及排列在所述条目行上的数值运算单元、符号运算单元和多路分解器,N为大于1的正整数;

每一匹配线对应连接到一个条目行上的所述数值运算单元和所述多路分解器,所述符号运算单元与所述多路分解器连接;

每一对所述差分搜索线对连接到一列所述数值运算单元上,且连接到所述数据搜索状态机及驱动器;

所述数据搜索状态机及驱动器用于生成N*N种可能的乘法模式,并广播到所述差分搜索线对上;在搜索操作期间,所述条目行上的所述数值运算单元、所述符号运算单元输出激活数据和权重数据,所述匹配线监视所述条目行输出激活数据和权重数据与所述乘法模式的匹配情况,若某条目行输出数据与所述乘法模式匹配,则该条目行对应的多路分解器将匹配信号输出到所述正计数器或所述负计数器,以计算匹配条目的正负出现次数。

优选地,所述CAM阵列包括至少一激活存储单元和至少一权重存储单元,每两列数值运算单元构成一激活存储单元,每两列数值运算单元和一列符号运算单元构成一权重存储单元。

优选地,在搜索模式下,只有一个激活存储单元和一个权重存储单元同时被激活。

优选地,所述激活存储单元中的所述数值运算单元用于存储和计算激活数据,所述权重存储单元中的所述数值运算单元用于存储和计算权重数据,所述符号运算单元用于存储和计算权重符号数据。

优选地,所述数值运算单元包括写字线、写命中位线、命中位线、第一反相器、第二反相器、第一晶体管、第二晶体管、第三晶体管、第四晶体管、第五晶体管和第六晶体管;

所述第一晶体管的栅极、所述第二晶体管的栅极均连接所述写字线,所述第一晶体管的漏极、所述第二晶体管的漏极均连接所述写命中位线;所述第一晶体管的源极、所述第一反相器的输入端、所述第二反相器的输出端相互连接于第一节点;所述第二晶体管的源极、所述第一反相器的输出端、所述第二反相器的输入端相互连接于第二节点;所述第二晶体管的栅极连接所述写字线,所述第二晶体管的漏极连接所述写命中位线;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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季华实验室,未经季华实验室许可,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/202110987136.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top