[发明专利]一种全加卷积方法和装置

说明书

本发明公开了一种全加卷积方法和装置，根据输入图像的脉冲数据，确定进行累加操作的各目标权重地址；对所述各目标权重地址对应的权重执行累加操作，得到全加卷积值，将所述全加卷积值确定为所述输入图像的特征向量，其中，所述输入图像的脉冲数据为0和1的脉冲数据。本发明利用输入图像的脉冲数据二值化特点，采用累加代替乘加，减少计算量和计算时间，降低芯片功耗，缩小芯片面积。

技术领域

本发明涉及人工智能技术领域，具体而言，涉及一种全加卷积方法和装置。

背景技术

现有的人工智能芯片在计算神经网络的加法操作过程中，输入的神经元激活值需满足高精度要求，在计算过程使用了乘法器与加法器，造成计算资源和存储资源的消耗，增加人工智能芯片的功耗和面积。

发明内容

为解决上述问题，本发明的目的在于提供一种全加卷积方法和装置，利用输入图像的脉冲数据二值化特点，采用累加代替乘加，减少计算量和计算时间，降低芯片功耗，缩小芯片面积。

本发明提供了一种全加卷积方法，所述方法包括：

根据输入图像的脉冲数据，确定进行累加操作的各目标权重地址；对所述各目标权重地址对应的权重执行累加操作，得到全加卷积值，将所述全加卷积值确定为所述输入图像的特征向量，其中，所述输入图像的脉冲数据为0和1的脉冲数据。

作为本发明进一步的改进，根据所述输入图像的脉冲数据，确定进行累加操作的各目标权重地址，包括：

根据所述输入图像的脉冲数据，生成各脉冲数据对应的权重地址；

遍历所述输入图像的脉冲数据，将数值为1的脉冲数据对应的权重地址确定为所述目标权重地址。

作为本发明进一步的改进，根据输入图像的脉冲数据，确定进行累加操作的各目标权重地址，包括：

根据所述输入图像的脉冲数据，生成数值为1的脉冲数据对应的各权重地址；

将所述数值为1的脉冲数据对应的各权重地址确定为所述目标权重地址。

作为本发明进一步的改进，根据输入图像的脉冲数据，确定进行累加操作的各目标权重地址，包括：

根据所述输入图像的脉冲数据，生成各脉冲数据对应的权重地址；

将各脉冲数据对应的权重地址确定为所述目标权重地址。

作为本发明进一步的改进，对所述各目标权重地址对应的权重执行累加操作，得到全加卷积值，包括：

遍历所述输入图像的脉冲数据；

在脉冲数据为0时，将0确定为待累加的权重；

在脉冲数据为1时，将参考权重地址对应的权重确定为待累加的权重，其中，所述参考权重地址为所述数值为1的脉冲数据对应的目标权重地址；

对各所述待累加的权重执行累加操作，得到全加卷积值。

作为本发明进一步的改进，对所述各目标权重地址对应的权重执行累加操作，得到全加卷积值，包括：

遍历所述输入图像的脉冲数据；

在脉冲数据为0时，不执行累加操作；

在脉冲数据为1时，将参考权重地址对应的权重确定为待累加的权重，其中，所述参考权重地址为所述数值为1的脉冲数据对应的目标权重地址；

对各所述待累加的权重执行累加操作，得到全加卷积值。

作为本发明进一步的改进，所述方法还包括：根据所述输入图像的特征向量和t-1时间步的膜电位信息，确定t时间步的膜电位信息。