“神经网络硬件”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1049607个，建议您升级VIP下载更多相关专利

[发明专利]一种用于卷积神经网络模型的压缩方法以及压缩装置-CN202110565583.2在审
发明人：欧歌;马小惠;梁烁斌 -专利权人：北京京东方技术开发有限公司;京东方科技集团股份有限公司
申请日： 2021-05-24 - 公布日： 2022-11-25 - 主分类号： G06N3/08 文献下载
摘要：本公开实施例提出了一种用于卷积神经网络模型的压缩方法以及压缩装置，其包括以下步骤：构建卷积神经网络模型，所述卷积神经网络模型至少包括多层设置的一维卷积层；对所述卷积神经网络模型进行训练；针对完成训练的所述卷积神经网络模型中的所述一维卷积层中不同层的卷积核过滤器按照预定顺序进行剪枝操作本公开实施例采用基于度量的剪枝操作来实现对于卷积神经网络模型的压缩，从而减少卷积神经网络模型的冗余，避免因为剪枝造成模型精度的降低，使得卷积神经网络模型在具有较高的识别精度的同时，实现模型轻量化，便于向硬件设备移植
一种用于卷积神经网络模型压缩方法以及装置

[发明专利]用于深度学习加速的池化单元-CN202110203807.5在审
发明人： S·P·辛格;T·勃伊施;G·德索利 -专利权人：意法半导体股份有限公司;意法半导体国际有限公司
申请日： 2021-02-23 - 公布日： 2021-08-24 - 主分类号： G06N3/04 文献下载
摘要：卷积神经网络包括池化单元。池化单元在卷积神经网络的卷积层之间执行池化操作。池化单元包括提高卷积神经网络中的计算效率和面积效率的硬件块。
用于深度学习加速单元

[发明专利]神经处理单元、神经处理系统和应用系统-CN201910836241.2在审
发明人：黄荣南;权亨达;金大贤 -专利权人：三星电子株式会社
申请日： 2019-09-05 - 公布日： 2020-05-19 - 主分类号： G06N3/04 文献下载
摘要：提供了一种神经处理单元、神经处理系统和应用系统。所述神经处理单元执行包括第一神经网络运算的应用工作，所述神经处理单元包括：第一处理核，其被配置为执行第一神经网络运算；硬件块，其可重构为被配置为执行硬件块工作的硬件核；以及至少一个处理器，其被配置为执行计算机可读指令，以基于第一处理核的第一工作负荷将应用工作的一部分作为硬件块工作分布给硬件块。
神经处理单元系统应用

[发明专利]神经网络的模拟硬件实现-CN202080048490.6在审
发明人：亚历山大·提莫非杰弗斯;波里斯·玛索夫;尼可莱·法迪诺毕许·科索夫;德密曲·尤利毕许·高朵夫斯基 -专利权人：普立恩科技有限公司
申请日： 2020-06-25 - 公布日： 2022-04-29 - 主分类号： G06N3/063 文献下载
摘要：提供了用于神经网络的模拟硬件实现的系统和方法。该方法包括获得训练后的神经网络的神经网络拓扑和权重。该方法还包括将神经网络拓扑变换成模拟部件的等效模拟网络。该方法还包括基于训练后的神经网络的权重来计算等效模拟网络的权重矩阵。权重矩阵的每个元素表示在等效模拟网络的模拟部件之间的相应连接。该方法还包括基于权重矩阵来生成用于实现等效模拟网络的示意模型，包括选择模拟部件的部件值。
神经网络模拟硬件实现

[发明专利]一种基于忆阻器所构建的脉冲神经网络模型-CN202210741799.4在审
发明人：翟亚红;廖文倩;万义才;王健竹 -专利权人：电子科技大学
申请日： 2022-06-27 - 公布日： 2022-11-15 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于忆阻器所构建的脉冲神经网络模型，所述脉冲神经网络模型可以用于黑白数字图片的识别。本发明创新性地将忆阻器(RRAM)的非线性应用到神经元电路中，使得模拟得到的脉冲更符合生物形态，并且采用STDP非监督学习规则和WTA竞争机制来训练网络。相较于现有的脉冲卷积神经网络，本发明整个网络结构简单，不借助于卷积神经网络的框架及算法，只有输入层和输出层两层，具有计算量小、能耗低的特点。本发明基于数字硬件平台设计，能在现场可编程门阵列(FPGA)上实现其功能，便于集成到超大规模的脉冲神经网络硬件架构中，同时减少了大量的累乘加运算，使功耗大大降低。
一种基于忆阻器构建脉冲神经网络模型

[发明专利]一种基于计算机模式识别的并行卷积神经网络方法-CN201711492094.9在审
发明人：李玉鑑;方皓达 -专利权人：北京工业大学
申请日： 2017-12-30 - 公布日： 2018-04-06 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于计算机模式识别的并行卷积神经网络方法，基于计算机模式识别的并行卷积神经网络方法包括三个阶段图像分类数据收集阶段。并行卷积神经网络构建阶段。深度卷积神经网络分类阶段。本发明可以作为深度学习算法的实际应用平台，辅助教学；在当前深度学习的领域，提高神经网络的训练速度；由于本发明使用硬件成本资源较少，易于实现。本方法由图像数据集和并行卷积神经网络组成。图像数据集由互联网下载的各个图像分类数据构成，并行卷积神经网络是改进的深层卷积网络。
一种基于计算机模式识别并行卷积神经网络方法

[发明专利]目标检测方法及装置-CN201611118373.4在审
发明人：冯昊;汪彪;张超;徐静涛;钱德恒;韩在濬;崔昌圭 -专利权人：北京三星通信技术研究有限公司;三星电子株式会社
申请日： 2016-12-07 - 公布日： 2018-06-15 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供了目标检测方法及装置，所述方法包括：获取待检测图像；根据级联神经网络对待检测图像的多个候选区域进行分类；其中，从第二级开始的神经网络中，至少存在一级神经网络包含并列的多个该级子神经网络，上述子神经网络对前一级神经网络分类后的分类结果进行分类；根据多个候选区域的最终分类结果，确定出目标区域。本发明实施例中，从第二级开始的神经网络中，至少存在一级神经网络包含并列的多个该级子神经网络，可较为全面精确地对候选区域进行分类，提升分类精度；进而更加精确地确定出目标区域。且有利于减少神经网络的级数，可减少由各级神经网络组成的分类模型占用的存储空间；可应用到硬件配置较低或计算性能较弱的设备中。 1
神经网络候选区域分类分类结果目标检测目标区域并列神经网络分类待检测图像存储空间分类模型计算性能检测图像硬件配置前一级级联占用应用

[发明专利]神经网络模型部署方法、装置、电子设备及存储介质-CN202210744352.2在审
发明人：施路平;曲环宇;张伟豪 -专利权人：清华大学
申请日： 2022-06-27 - 公布日： 2022-09-23 - 主分类号： G06N3/063 文献下载
摘要：本公开涉及一种神经网络模型部署方法、装置、电子设备及存储介质，所述方法包括获取待部署到硬件设备上的原始神经网络模型所对应的原始计算图；将原始计算图转换为基于目标算子集构成的中间计算图，目标算子集为硬件设备支持的算子集；根据硬件设备对应的硬件约束条件，将中间计算图转换为适配硬件设备的目标计算图，硬件约束条件是基于硬件设备对应的数据精度、硬件资源以及目标算子集中的至少一种所确定的；基于目标计算图，确定硬件可执行文件，硬件可执行文件用于部署到硬件设备上本公开实施例可实现将各种原始神经网络模型高效统一地转换成能部署到硬件设备上的硬件可执行文件。
神经网络模型部署方法装置电子设备存储介质

[发明专利]包括矩阵乘法的神经网络-CN202111669283.5在审
发明人： B·乔杜里;A·阿马迪;J·英伯;C·迪基奇;T·阿瑟顿 -专利权人：想象技术有限公司
申请日： 2021-12-31 - 公布日： 2022-07-08 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了包括矩阵乘法的神经网络。本发明公开了一种用于实施包含至少一个矩阵乘法运算的神经网络的方法和数据处理系统。所述矩阵乘法运算被映射到包括至少一个变换和至少一个卷积的神经网络运算图。所述至少一个卷积在神经网络加速器的固定功能硬件中实施。
包括矩阵乘法神经网络

[发明专利]用于训练神经网络的方法及神经网络训练系统-CN201910223103.7在审
发明人：玻那·乔斯·哦拉都比;提塔许·瑞许特;乔治·亚德里安·凯特尔;莱恩·麦可·海雀 -专利权人：三星电子株式会社
申请日： 2019-03-22 - 公布日： 2019-11-05 - 主分类号： G06N3/04 文献下载
摘要：本发明阐述一种用于训练神经网络的方法及神经网络训练系统。所述方法包括提供神经网络的至少一个可连续微分的模型。所述至少一个可连续微分的模型专用于所述神经网络的硬件。所述方法还包括使用所述至少一个可连续微分的模型以迭代方式训练所述神经网络，以为所述神经网络提供至少一个输出。
神经网络神经网络训练训练神经网络一次迭代迭代方式输出

[发明专利]受存储器限制的神经网络训练-CN202110342087.0在审
发明人： S·森古普塔;R·戴尔蒙特;R·R·黄;V·维韦克拉亚 -专利权人：亚马逊技术股份有限公司
申请日： 2021-03-30 - 公布日： 2021-10-01 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了用于训练神经网络的方法和系统。在一个示例中，装置包括存储指令的存储器；和硬件处理器，被配置为执行所述指令以：控制神经网络处理器执行损失梯度操作，以生成数据梯度；在所述损失梯度操作完成之后，控制所述神经网络处理器执行正向传播操作，以生成中间输出；基于所述数据梯度和所述中间输出控制所述神经网络处理器执行反向传播操作，以生成权重梯度；从所述神经网络处理器中接收所述权重梯度；以及基于所述权重梯度更新神经网络的权重。
存储器限制神经网络训练

[发明专利]一种动态量化神经网络的推理方法-CN202111592468.0在审
发明人：华阳;陈雷;秦智勇;孟晓;于立新;庄伟;朴泉宇;王莉;李健 -专利权人：北京时代民芯科技有限公司;北京微电子技术研究所
申请日： 2021-12-23 - 公布日： 2022-05-10 - 主分类号： G06N3/08 文献下载
摘要：一种动态量化神经网络的推理方法，属于神经网络量化技术领域，应用于FPGA/ASIC神经网络专用硬件。本发明包括：使用测试集对待量化神经网络的单精度浮点模型进行推理，统计单精度浮点模型每层输出张量的最大绝对值；根据每层输出张量的最大绝对值估计量化模型各层输出张量的比例因子；使用该比例因子统计值作为量化神经网络模型的计算参数本发明改善了现有神经网络量化模型在推理中比例因子计算复杂的问题。
一种动态量化神经网络推理方法

[发明专利]一种神经网络流水线多核并行计算方法-CN202210649920.0在审
发明人：常迎辉;李斌;梁栋;李思雨;武唯康;刘朋 -专利权人：中国电子科技集团公司第五十四研究所
申请日： 2022-06-10 - 公布日： 2022-09-09 - 主分类号： G06N3/04 文献下载
摘要：本发明提出了一种神经网络流水线多核并行计算方法，属于深度学习技术领域，可以实现多个神经网络处理器核并行执行单个神经网络算法的不同部分的并行计算。本发明通过硬件自动调度与分配的方式，把单个算法拆解成多个子步骤并分配给多个神经网络处理器核。在每次计算过程中，多个神经网络处理器核并行执行单个神经网络算法的不同部分，从而实现基于流水线的并行计算。
一种神经网络流水线多核并行计算方法

[发明专利]神经网络的动态任务分配-CN202111105580.7在审
发明人： F·罗西;G·卡普尔;M·R·西拉库萨;W·B·马奇 -专利权人：苹果公司
申请日： 2018-04-24 - 公布日： 2021-12-24 - 主分类号： G06N3/063 文献下载
摘要：本公开涉及神经网络的动态任务分配。本主题技术确定在神经网络模型的节点处执行的操作。本主题技术至少部分地基于目标平台的硬件能力来分配注释以指示操作是在CPU上还是在GPU上更好地执行。本主题技术确定神经网络模型是否包括第二层。响应于确定该神经网络模型包括第二层，对于该神经网络模型的该第二层的每个节点，本主题技术确定在节点处执行的第二操作。另外，本主题技术至少部分地基于目标平台的硬件能力来分配第二注释以指示该第二操作是在CPU上还是在GPU上更好地执行。
神经网络动态任务分配

[发明专利]指令生成方法、装置及电子设备-CN202310855003.2在审
发明人：张祎男 -专利权人：北京地平线信息技术有限公司
申请日： 2023-07-12 - 公布日： 2023-10-17 - 主分类号： G06F9/30 文献下载
摘要：公开了一种指令生成方法、装置及电子设备，涉及集成电路技术领域，该方法包括确定神经网络模型中的函数算子需要处理的输入特征数据的参数信息；确定神经网络处理器所支持的硬件参数；基于硬件参数和输入特征数据的参数信息，确定与输入特征数据的参数信息对应的目标拼接信息；目标拼接信息包括拼接通道数量和拼接数据组数；根据目标拼接信息，生成神经网络处理器可执行的指令。本公开的技术方案能够避免由于神经网络处理器支持的并行处理的通道数量远大于输入特征数据的通道数量，而带来的计算资源浪费的问题，从而充分利用神经网络处理器的计算资源。
指令生成方法装置电子设备