[发明专利]递归神经网络的多计算单元粗粒度可重构系统及方法

摘要

本发明公开一种面向递归神经网络LSTM的多计算单元粗粒度可重构系统及方法，系统的多矩阵积偏置和计算阵列，用于实现递归神经网络中多个矩阵向量积的计算及累加的运算，由控制信号控制进行加偏置计算，输出值经由输出缓存单元输出；激活拟合计算阵列，用于实现递归神经网络LSTM中激活函数的分段线性拟合计算功能，当输入值进入输入缓存单元，激活拟合计算单元由控制信号控制进行相应的激活函数分段线性拟合计算，输出值经由输出缓存单元输出；向量计算阵列，用于实现向量按维相乘和向量加法计算，乘法单元计算完毕后，由控制信号控制将数据传输到向量加法单元或直接输出；本发明提高了可重构系统的并行度、计算速度和阵列利用率。

主权项

1.一种面向递归神经网络LSTM的多计算单元粗粒度可重构系统，包括片上共享存储单元、数据交换存储单元、片上配置信息存储器、重构控制器，其特征在于，还包括：多矩阵积偏置和计算阵列、激活拟合计算阵列、向量计算阵列，完成递归神经网络LSTM的计算；多矩阵积偏置和计算阵列从外部存储器获取递归神经网络LSTM的权重参数和网络输入，计算结果传输至激活拟合计算阵列进行激活操作，得到LSTM网络各门值，再由向量计算阵列计算最终输出；所述多矩阵积偏置和计算阵列，用于实现递归神经网络LSTM中多个矩阵向量积的计算及累加的运算，在累加计算完成后，由重构控制器输出的控制信号控制进行加偏置计算，输出值经由多矩阵积偏置和计算阵列的输出缓存单元输出。