[发明专利]一种神经网络加速装置、方法、设备和计算机存储介质在审
申请号: | 202111592393.6 | 申请日: | 2021-12-23 |
公开(公告)号: | CN116362312A | 公开(公告)日: | 2023-06-30 |
发明(设计)人: | 祝叶华;孙炜 | 申请(专利权)人: | 哲库科技(上海)有限公司 |
主分类号: | G06N3/065 | 分类号: | G06N3/065;G06N3/0464;G06N3/048;G06F15/78;G11C11/54 |
代理公司: | 北京派特恩知识产权代理有限公司 11270 | 代理人: | 张静;王黎延 |
地址: | 200120 上海市浦东新区自由贸易试*** | 国省代码: | 上海;31 |
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 神经网络 加速 装置 方法 设备 计算机 存储 介质 | ||
1.一种神经网络加速装置,其特征在于,所述神经网络加速装置包括若干个运算单元,所述运算单元包括存内计算阵列和第一算子模块,且所述第一算子模块中包括若干个第一类算子;其中,
所述存内计算阵列,用于获取输入特征数据,并对所述输入特征数据进行卷积操作,得到初始计算结果;
所述第一算子模块,用于通过所述第一类算子对所述初始计算结果进行算子操作,得到中间计算结果,并将所述中间计算结果作为下一个所述运算单元的输入特征数据。
2.根据权利要求1所述的神经网络加速装置,其特征在于,所述存内计算阵列中预先存储有目标卷积层对应的权重参数;其中,
所述存内计算阵列,用于在获取到所述目标卷积层对应的输入特征数据后,根据所述权重参数对所述输入特征数据进行卷积操作,得到所述初始计算结果。
3.根据权利要求2所述的神经网络加速装置,其特征在于,所述存内计算阵列包括数模转换模块、存储阵列和模数转换模块;其中,
所述数模转换模块,用于对所述输入特征数据进行数模转换,得到第一模拟信号;
所述存储阵列,用于根据所述权重参数和所述第一模拟信号进行乘累加计算,得到第二模拟信号;
所述模数转换模块,用于对所述第二模拟信号进行模数转换,得到目标数字信号,将所述目标数字信号确定为所述初始计算结果。
4.根据权利要求2所述的神经网络加速装置,其特征在于,所述运算单元为第i个运算单元,且所述第i个运算单元中的存内计算阵列预先存储有第i卷积层对应的权重参数;其中,
所述存内计算阵列,用于获取所述第i卷积层对应的输入特征数据,并根据所述第i卷积层对应的权重参数对所述第i卷积层对应的输入特征数据进行卷积操作,得到所述第i卷积层的初始计算结果;
所述第一算子模块,用于通过所述第一类算子对所述第i卷积层的初始计算结果进行算子操作,得到所述第i卷积层的中间计算结果,并将所述第i卷积层的中间计算结果确定为第i+1卷积层对应的输入特征数据;
其中,i为大于零且小于或等于N的整数;N表示所述运算单元的个数,且N为大于零的整数。
5.根据权利要求1所述的神经网络加速装置,其特征在于,所述神经网络加速装置还包括接收单元;其中,
所述接收单元,用于接收特征图像,并将所述特征图像分割为至少一个特征块,以及按照顺序依次将所述至少一个特征块读入到所述运算单元中。
6.根据权利要求5所述的神经网络加速装置,其特征在于,
在所述若干个运算单元中,第一个运算单元的输入特征数据为第一特征块,在得到第一个运算单元输出的中间计算结果之后,将所述第一个运算单元输出的中间计算结果作为下一个运算单元的输入特征数据,并将下一个特征块作为所述第一个运算单元的输入特征数据,直至所述若干个运算单元全部处理完成。
7.根据权利要求1所述的神经网络加速装置,其特征在于,所述神经网络加速装置还包括数字信号处理器;其中,
所述数字信号处理器,用于在无法使用所述第一类算子的情况下,对所述初始计算结果进行处理,得到所述中间计算结果。
8.根据权利要求7所述的神经网络加速装置,其特征在于,所述第一类算子对应于适用于专用数字电路的加速运算,所述数字信号处理器用于处理除所述第一类算子之外的不适用于专用数字电路的运算;
所述第一类算子至少包括下述之一:用于执行池化操作的算子、用于执行激活函数操作的算子和用于执行加法操作的算子。
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哲库科技(上海)有限公司,未经哲库科技(上海)有限公司许可,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/202111592393.6/1.html,转载请声明来源钻瓜专利网。