专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果4个,建议您升级VIP下载更多相关专利
  • [发明专利]用于卷积神经网络的装置-CN201910301387.7有效
  • 许喆;丁雪立;陈柏纲 - 广州异构智能科技有限公司
  • 2019-04-15 - 2022-03-22 - G06N3/063
  • 一种用于卷积神经网络的装置,包括处理引擎二维阵列。处理引擎二维阵列配置为接收输入数据和权重数据,包括:N个处理引擎行和M个处理引擎列的阵列,其中N和M均为大于等于2的正整数。处理引擎二维阵列对输入数据和权重数据进行卷积运算后输出中间结果。处理引擎二维阵列的处理引擎配置为在所述卷积运算后自带池化处理。处理引擎二维阵列还可能具有全连接结构,中间结果在处理引擎二维阵列内部叠传。该装置实现了高速处理输入张量数据且能灵活地应对不同维度的输入张量数据。
  • 用于卷积神经网络装置
  • [发明专利]用于神经网络卷积运算的硬件加速器-CN201910301389.6有效
  • 许喆;丁雪立;陈柏纲 - 广州异构智能科技有限公司
  • 2019-04-15 - 2022-03-22 - G06N3/063
  • 一种用于神经网络卷积运算的硬件加速器包括处理引擎矩阵、权重数据缓存器、门限值数据缓存器、输入数据缓存器和控制模块。控制模块从输入数据缓存器读取输入数据并传输输入数据到处理引擎矩阵中与输入数据相匹配的处理引擎,控制模块从权重数据缓存器读取权重数据并配置权重数据到与权重数据相匹配的处理引擎,控制模块从门限值数据缓存器读取门限值数据并配置门限值数据到每个处理引擎。每个处理引擎对匹配的输入数据和权重数据进行卷积运算得到中间结果,中间结果与门限值数据进行比较,根据比较结果选择输出中间结果或者正则化后得到的正则化结果。该硬件加速器实现了高速处理输入张量数据且能灵活地应对不同维度的输入张量数据。
  • 用于神经网络卷积运算硬件加速器
  • [发明专利]张量处理器-CN201910301388.1有效
  • 许喆;丁雪立;陈柏纲 - 广州异构智能科技有限公司
  • 2019-04-15 - 2021-08-31 - G06N3/063
  • 一种张量处理器。张量处理器包括乒乓控制器和与乒乓控制器相连的多个处理引擎。乒乓控制器接收输入张量,根据输入张量的维度信息和权重张量的维度信息计算出要调用的处理引擎的个数并且调用处理引擎组成处理引擎二维阵列。乒乓控制器配置处理引擎二维阵列中的处理引擎之间的连接关系和数据流向。乒乓控制器配置输入张量和权重张量到处理引擎二维阵列。处理引擎二维阵列对输入张量和权重张量进行卷积运算得到输出结果。输出结果被传输到所述乒乓控制器。该张量处理器实现了高速处理输入张量数据且能灵活地应对不同维度的输入张量数据。
  • 张量处理器
  • [发明专利]用于二值阵列张量处理器的方法-CN201910300871.8有效
  • 许喆;丁雪立;陈柏纲 - 广州异构智能科技有限公司
  • 2019-04-15 - 2021-08-31 - G06N3/04
  • 一种用于二值阵列张量处理器的方法,其使用处理引擎二维阵列来计算特征张量和卷积核张量的卷积运算结果。该方法包括:为每组特征值和权重分配ID;为每个处理引擎分配特征本地ID和权重本地ID;每个处理引擎通过比较该处理引擎的特征本地ID和特征ID而匹配地接收一组特征值;每个处理引擎通过比较该处理引擎的权重本地ID和权重ID而匹配地接收一组权重值;每个处理引擎对匹配到的特征值和权重值进行卷积运算得到中间结果;将多个中间结果进行叠传后作为特征张量和卷积核张量的卷积运算结果。该方法实现了高速处理输入张量数据且能灵活地应对不同维度的输入张量数据。
  • 用于阵列张量处理器方法

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

400-8765-105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