[发明专利]数据处理装置和用于卷积计算的计算设备

说明书

本发明实施例提供了一种数据处理装置和用于卷积计算的计算设备，该数据处理装置包括：第一转换单元，第一转换单元包括忆阻器，该第一转换单元用于将接收的第一电压信号转换为电流信号，该第一电压信号小于忆阻器的阈值电压，该电流信号为第一电压信号和忆阻器的电导值相乘的结果；复位单元，复位单元与忆阻器相连时，用于控制忆阻器的阻值达到忆阻器阻值的最大值或最小值；阻值调整单元，阻值调整单元与忆阻器相连时，用于在复位单元控制忆阻器的阻值达到忆阻器阻值的最大值或最小值的情况下，调整忆阻器的阻值。本发明实施例通过数据处理装置，实现了乘法运算的功能，并能够简便快捷的改变忆阻器的电导值。

技术领域

本申请涉及数据处理领域，并且更具体地，涉及数据处理装置和用于卷积计算的计算设备。

背景技术

卷积神经网络是一种特殊的深层神经网络模型，这种网络结构可以有效地降低反馈神经网络的复杂性，例如，在图像处理领域，卷积神经网络避免了对图像的复杂的前期预处理，可以直接输入原始图像，使处理过程更为简单。

卷积神经网络主要包括卷积层、池化层和全连接层，其中，卷积层主要用于对输入矩阵执行卷积操作，该卷积操作主要为将输入矩阵与另一个矩阵进行卷积计算，得到该输入矩阵每个元素的特征值，该另一个矩阵为该卷积计算的卷积核，该卷积核也可以称为权矩阵，权矩阵中的每一个元素为一个权值，现有技术中，进行卷积计算的卷积核一般情况下为固定的卷积核模板，即卷积核中的权值不能根据不同的需要进行改变，进一步导致卷积计算的计算速度较低，且能耗较大，不方便卷积计算的操作。

发明内容

本申请提供一种数据处理装置和用于卷积计算的计算设备，能够实现将输入数据与卷积计算的卷积核的权值进行相乘的功能，而且能够简便快捷的实现卷积核的权值改变的功能，提高了卷积计算的效率，降低了功耗。

第一方面，提供了一种数据处理装置，该数据处理装置包括第一转换单元，所述第一转换单元包括忆阻器，所述第一转换单元用于将接收的第一电压信号基于所述忆阻器转换为电流信号，所述第一电压信号小于所述忆阻器的阈值电压，所述电流信号为所述第一电压信号和所述忆阻器的电导值相乘的结果；复位单元，所述复位单元与所述忆阻器相连，所述复位单元用于控制所述忆阻器的阻值达到所述忆阻器阻值的最大值或最小值；阻值调整单元，所述阻值调整单元与所述忆阻器相连，所述阻值调整单元用于在所述复位单元控制所述忆阻器的阻值达到所述忆阻器阻值的最大值或最小值的情况下，调整所述忆阻器的阻值。

在本发明实施例中，通过上述数据处理装置，可以实现将第一转换单元的输入电压信号与忆阻器的电导值进行相乘的功能，且能够方便快捷的改变忆阻器的电导值，相当于可以实现将输入矩阵中的元素与卷积核中的元素相乘，且可以改变卷积核的权值的功能。

结合第一方面，在第一方面的第一种实现方式中，所述阻值调整单元用于根据接收的第二电压信号，调整所述忆阻器的阻值，所述第二电压信号大于或等于所述忆阻器的阈值电压。

结合第一方面，第一方面的第一种实现方式，在第一方面的第二种实现方式中，所述阻值调整单元为三态门，所述三态门包括控制端、接收端和输出端；所述控制端用于接收大于或等于三态门的开启电压的电压信号，所述接收端用于接收第二电压信号，所述第二电压信号大于或等于所述忆阻器的阈值电压，所述输出端用于向所述忆阻器输入所述第二电压信号以调整所述忆阻器的阻值。

结合第一方面，第一方面的第一种和第二种实现方式，在第一方面的第三种实现方式中，该阻值调整单元的输入端的输入的电压信号为可编程的脉冲信号。

结合第一方面，第一方面的第一种和第二种实现方式，在第一方面的第四种实现方式中，所述复位单元用于接收负向电压信号以控制所述忆阻器的阻值达到所述忆阻器阻值的最大值；或所述复位单元用于接收正向电压信号以控制所述忆阻器的阻值达到所述忆阻器阻值的最小值。