[发明专利]板卡和神经网络运算方法有效
申请号: | 201711371887.5 | 申请日: | 2017-12-11 |
公开(公告)号: | CN109902812B | 公开(公告)日: | 2020-10-09 |
发明(设计)人: | 不公告发明人 | 申请(专利权)人: | 中科寒武纪科技股份有限公司 |
主分类号: | G06N3/06 | 分类号: | G06N3/06 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郝传鑫;熊永强 |
地址: | 100000 北京市海*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 板卡 神经网络 运算 方法 | ||
1.一种板卡,其特征在于,所述板卡包括:
神经网络芯片封装结构、第一电气及非电气连接装置和通过所述第一电气及非电气连接装置与所述神经网络芯片封装结构连接的第一基板;
所述第一基板,用于承载所述芯片封装结构;
其中,所述神经网络芯片封装结构包括:
神经网络芯片、第二电气及非电气连接装置和通过所述第二电气及非电气连接装置与所述神经网络芯片连接的第二基板;
所述第二基板,用于承载所述神经网络芯片;
所述神经网络芯片包括用于进行神经网络运算的神经网络运算模块;
其中,所述神经网络运算模块包括:
存储单元,用于存储第一输入数据及所述第一输入数据的连接关系数据、处理后的第二输入数据、神经网络指令和运算结果,所述第一输入数据为输入神经元或权值,所述第一输入数据的连接关系数据为输入神经元的连接关系数据或者权值的连接关系数据,所述处理后的第二输入数据为处理后的输入神经元或者处理后的权值;
映射单元,用于通过直接存储访问单元获取所述第一输入数据和所述第一输入数据的连接关系数据后,根据所述第一输入数据的连接关系数据对所述第一输入数据进行处理,以得到处理后的第一输入数据,并将所述处理后的第一输入数据存储到第一输入缓存单元中,所述处理后的第一输入数据为处理后的输入神经元或者处理后的权值;
指令控制单元,用于从指令缓存单元中获取所述神经网络指令,并将所述神经网络指令译码成运算单元执行的微指令;
所述运算单元,用于从所述第一输入缓存单元和第二输入缓存单元中获取所述处理后的第一输入数据和所述处理后的第二输入数据后,根据所述微指令对所述处理后的第一输入数据和所述处理后的第二输入数据进行人工神经网络运算,以得到所述运算结果;
输出缓存单元,用于缓存所述运算结果;
所述映射单元包括:
输入数据缓存单元,用于存储所述第一输入数据,所述第一输入数据包括至少一个输入神经元或至少一个权值;
连接关系缓存单元,用于存储所述第一输入数据的连接关系数据;
稀疏处理单元,用于根据所述第一输入数据的连接关系数据对所述第一输入数据进行处理,以得到处理后的第一输入数据;
所述映射单元对所述第一输入数据进行处理之前,所述映射单元还用于:
对所述至少一个输入神经元进行分组,以得到M组输入神经元,所述M为大于或者等于1的整数;
判断所述M组输入神经元的每一组输入神经元是否满足第一预设条件,所述第一预设条件包括一组输入神经元中绝对值小于或者等于第三阈值的输入神经元的个数小于或者等于第四阈值;
当所述M组输入神经元任意一组输入神经元不满足所述第一预设条件时,将该组输入神经元删除;
对所述至少一个权值进行分组,以得到N组权值,所述N为大于或者等于1的整数;
判断所述N组权值的每一组权值是否满足第二预设条件,所述第二预设条件包括一组权值中绝对值小于或者等于第五阈值的权值的个数小于或者等于第六阈值;
当所述N组权值任意一组权值不满足所述第二预设条件时,将该组权值删除。
2.根据权利要求1所述的板卡,其特征在于,所述第一基板包括:
内存单元接口,用于扩展存储容量;
通信接口,用于所述神经网络芯片封装结构和外部电路之间的数据传输。
3.根据权利要求1或2所述的板卡,其特征在于,所述第二电气及非电气连接装置包括与所述神经网络芯片连接的焊盘、与所述焊盘和与所述第二基板上的连接点连接的焊球。
4.根据权利要求3所述的板卡,其特征在于,所述神经网络芯片封装结构还包括:
置于所述焊盘、所述焊球和所述连接点之间的空隙中的绝缘填充物,用于防止相邻的所述焊球之间产生干扰;
散热装置,用于散发所述神经网络芯片运行时的热量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中科寒武纪科技股份有限公司,未经中科寒武纪科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711371887.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:神经网络运算设备和方法
- 下一篇:神经网络运算模块和方法