[发明专利]处理器及其处理方法、芯片、芯片封装结构及电子装置

说明书

一种处理器，包括指令控制单元和计算单元，其中：指令控制单元，用于提取处理指令以控制计算单元；计算单元，用于基于输入的帧信息和神经网络参数，执行神经网络运算。本公开的处理器，实现了对神经网络处理器更高效的功能重建，在低内存、实时性强的应用环境中能够充分发挥性能。

技术领域

本公开属于计算机体系结构和神经网络领域，更具体地涉及一种处理器及其处理方法、芯片、芯片封装结构、卡板及电子装置。

背景技术

神经网络(neural network)近年来不仅在图像应用领域取得了非常突出的成就，而且在视频应用领域也有着突出的表现。然而，神经在视频应用中面临非常严峻的挑战，因为一个视频所包含的数据量远远超过一幅图片包含的数据量，因此处理一个视频将会耗费非常大量的时间，同时花费巨大的能耗且无法保证处理视频数据的实时性。因此，如何减少神经网络处理视频的时间成为一个亟待解决的问题。

发明内容

基于以上问题，本公开的主要目的在于提出一种处理器及其处理方法、芯片、芯片封装结构、卡板及电子装置，用于解决以上技术问题的至少之一。

为了实现上述目的，作为本公开的一个方面，本公开提出了一种处理器，包括指令控制单元和计算单元，其中：

指令控制单元，用于提取处理指令以控制计算单元；

计算单元，用于接收帧信息、神经网络参数及所述的处理指令，并根据所述处理指令对所述帧信息和神经网络参数执行神经网络运算。

在本公开的一些实施例中，上述处理器还包括：

存储单元，用于存储帧信息和神经网络参数；

其中，帧信息包括完整帧信息和参考帧信息；神经网络参数包括神经元、权值、拓扑结构和/或处理指令。

在本公开的一些实施例中，上述计算单元包括：

精确计算单元，用于提取完整帧信息和神经网络参数中的权值，进行神经网络运算，得到第一运算结果并传输至存储单元；

近似计算单元，用于提取参考帧信息和事先得到的、存储于存储单元的参考帧的计算结果，进行近似计算，得到第二运算结果并传输至存储单元。

在本公开的一些实施例中，上述神经网络运算包括乘法运算、加法运算、激活函数运算和/或池化运算。

在本公开的一些实施例中，上述精确计算单元包括：

乘法器，用于执行所述乘法运算；和/或

一个或多个加法器，用于执行所述加法运算；和/或

激活函数单元，用于执行所述激活函数运算。

在本公开的一些实施例中，上述一个或多个加法器组成加法树。

在本公开的一些实施例中，上述激活函数运算采用的激活函数包括sigmoid、tanh、ReLU、softmax、Leaky ReLU和/或Maxout；池化运算包括平均值池化、最大值池化、中值池化、RoI池化和/或反池化。

在本公开的一些实施例中，上述处理器还包括：

解码单元，用于解压压缩后的视频，提取出视频中每一帧图片的帧信息，并将帧信息分为完整帧信息和参考帧信息，存储于存储单元中。

在本公开的一些实施例中，上述参考帧信息包括参考前一帧编码的参考帧信息和/或参考前后帧编码的参考帧信息。

在本公开的一些实施例中，上述解码单元还用于给予每一帧信息一标记位，其中，完整帧信息标记为I帧，参考前一帧编码的参考帧信息标记为P帧，参考前后帧编码的参考帧信息标记为B帧。

在本公开的一些实施例中，其中：