[发明专利]一种用于执行向量外积运算的装置和方法

说明书

本公开提供了一种执行向量外积的运算装置及方法，装置包括存储单元、寄存器单元和向量外积运算单元，存储单元中存储有向量，寄存器单元中存储有向量存储的地址，向量外积运算单元根据配套指令在寄存器单元中获取向量地址，然后，根据该向量地址在存储单元中获取相应的向量，接着，根据获取的向量进行向量外积运算，得到运算结果。本公开将参与计算的向量数据暂存在高速暂存存储器上，使得向量外积运算过程中可以更加灵活有效地支持不同宽度的数据，提升包含向量外积应用的执行性能。

技术领域

本公开涉及一种向量外积运算装置及方法，用于根据向量外积运算指令执行向量外积运算。

背景技术

在向量空间范畴，对象之间的同态都是线性映射。但其实我们常会碰到“双线性映射”这种概念，比如内积就是一个双线性映射V×V→C.我们希望把“双线性”这种性质归于向量空间范畴。一个办法就是，构造一个跟V,W有关的向量空间Z，使得所有定义在V×W上的“双线性映射”都可以由“唯一”一个定义在Z上的“线性映射”来代替。这个Z就叫V 和W的张量积(外积)。举例来说，向量外积a×b的计算值大小为 |a|·|b|·sina,b。

在已有的计算机领域应用中，与向量运算相关的应用十分普遍。以目前的热门应用领域人工智能中的主流算法机器学习算法为例，几乎所有已有的经典算法中都含有大量的向量外积运算。

在现有技术中，一种进行向量外积运算的已知方案是使用通用处理器，该方法通过通用寄存器堆和通用功能部件来执行通用指令，从而执行向量外积运算。然而，该方法的缺点之一是单个通用处理器多用于标量计算，在进行向量外积运算时运算性能较低。而使用多个通用处理器并行执行时，通用处理器之间的相互通讯又有可能成为性能瓶颈。在另一种现有技术中，使用图形处理器(GPU)来进行向量计算，其中，通过使用通用寄存器堆和通用流处理单元执行通用SIMD指令来进行向量外积运算。然而，上述方案中，GPU片上缓存太小，在进行大规模向量外积运算时需要不断进行片外数据搬运，片外带宽成为了主要性能瓶颈。在另一种现有技术中，使用专门定制的向量外积运算装置来进行向量计算，其中，使用定制的寄存器堆和定制的处理单元进行向量外积运算。然而，目前已有的专用向量外积运算装置受限于寄存器堆，不能够灵活地支持不同长度的向量外积运算。

发明 内容

(一)要解决的技术问题

本公开的目的在于，提供一种向量外积运算装置及方法，解决现有技术中存在的受限于片间通讯、片上缓存不够、支持的向量长度不够灵活等问题。

(二)技术方案

本公开提供一种向量外积运算装置，用于根据向量外积运算指令执行向量外积运算，包括：

存储单元，用于存储向量；

寄存器单元，用于存储向量地址，其中，向量地址为向量在存储单元中存储的地址；

向量外积运算单元，用于获取向量外积运算指令，根据向量外积运算指令在寄存器单元中获取向量地址，然后，根据该向量地址在存储单元中获取相应的向量，接着，根据获取的向量进行向量外积运算，得到向量外积运算结果。

本公开还提供一种向量外积运算方法，用于根据向量外积运算指令执行向量外积运算，方法包括：

S1，存储向量；

S2，存储向量地址；

S3，获取向量外积运算指令，根据向量外积运算指令获取向量地址，然后，根据该向量地址获取存储的向量，接着，根据获取的向量进行向量外积运算，得到向量外积运算结果。

(三)有益效果