[发明专利]基于忆阻器的卷积神经网络加速器核心的模拟方法及装置

权利要求书

1.一种基于忆阻器的卷积神经网络加速器核心的模拟装置，包括存储模块、向量配置器、阻变存储器核心，其特征在于：所述阻变存储器核心包括位移寄存器、阻变存储器阵列、电流电压转换模块、模拟/数字转换模块；

所述存储模块，用于存储待处理图像；

所述向量配置器，根据网络结构描述文件，将待处理图像处理成一维向量，并添加额外信息，网络结构描述文件用于图像识别卷积神经网络到阻变存储器阵列的映射，额外信息包括阻变存储器阵列输入方向的行开启情况和阻变存储器阵列输出方向的列开启情况，分别用于控制一维向量对应的权值区域，以及对应输出列方向打开的模拟/数字转换模块与位置；

所述位移寄存器，从向量配置器获取一维向量，并发送至阻变存储器阵列；

所述阻变存储器阵列，是由忆阻器构成的阵列，忆阻器上储存的权值通过权值配置文件进行记录，一维向量与阻变存储器阵列上对应权值进行卷积操作后，输出卷积结果向量，并重新通过向量配置器配置新的额外信息，进行下一层网络计算，直至遍历整个图像识别卷积神经网络，通过打开的模拟/数字转换模块功率、电流电压转换模块功率、与一维向量长度相关的单列上寄生电容的功率、单个周期时长及当前周期阻变存储器阵列的功耗，得到当前周期阻变存储器核心总能耗。

2.根据权利要求1所述的一种基于忆阻器的卷积神经网络加速器核心的模拟装置，其特征在于：所述阻变存储器阵列将输入的一维向量及其对应的权值按位分列，按补码形式映射，将按位分列的向量矩阵与其对应的权值矩阵进行乘加操作，所述模拟/数字转换模块将每次乘加的结果，进行移位相加，得到相应的卷积结果向量。

3.根据权利要求1所述的一种基于忆阻器的卷积神经网络加速器核心的模拟装置，其特征在于：采用一对所述阻变存储器阵列，分别映射正权值与负权值，分别计算后相减，得到输出结果。

4.根据权利要求1所述的一种基于忆阻器的卷积神经网络加速器核心的模拟装置，其特征在于：所述额外信息还包括向量起始标志、向量在神经网络中对应的层数、该层神经网络类型、向量结束标志。

5.根据权利要求1所述的一种基于忆阻器的卷积神经网络加速器核心的模拟装置，其特征在于：所述阻变存储器阵列输出方向多列打开时，输入的一维向量与多个卷积核同时进行卷积运算。

6.一种基于忆阻器的卷积神经网络加速器核心的模拟方法，其特征在于包括如下步骤：

步骤S1：获取待识别图像，根据网络结构描述文件，将待识别图像处理成一维向量，并添加额外信息，网络结构描述文件将图像识别卷积神经网络映射到阻变存储器阵列；

步骤S2：由忆阻器构成的阻变存储器阵列，通过权值配置文件记录忆阻器上储存的权值，通过额外信息中一维向量对应阻变存储器阵列输入方向的行开启情况，控制一维向量对应的权值区域，一维向量与阻变存储器阵列上对应权值进行卷积操作，得到卷积结果向量；

步骤S3：卷积结果向量通过额外信息中一维向量对应的阻变存储器阵列输出方向的列开启情况，输出到对应输出列方向打开的模拟/数字转换模块的位置；通过打开的模拟/数字转换模块功率、电流电压转换模块功率、与一维向量长度相关的单列上寄生电容的功率、单个周期时长及当前周期阻变存储器阵列的功耗，得到当前周期阻变存储器核心总能耗；

步骤S4：向量配置器重新配置额外信息，进行下一层网络计算，直至遍历整个图像识别卷积神经网络。

7.根据权利要求6所述的一种基于忆阻器的卷积神经网络加速器核心的模拟方法，其特征在于：所述映射采用补码形式映射，将输入的一维向量按位分列，分别与对应按位分列的权值矩阵进行乘加操作，再将每次乘加的结果，进行移位相加，得到相应的卷积结果向量。

8.根据权利要求6所述的一种基于忆阻器的卷积神经网络加速器核心的模拟方法，其特征在于：所述映射采用正负权值映射，通过一对阻变存储器阵列，分别映射正权值与负权值，分别计算后相减，得到输出结果。