[发明专利]运算装置、方法、多核智能处理器及多核异构智能处理器有效
申请号: | 202010770239.2 | 申请日: | 2020-08-03 |
公开(公告)号: | CN111930668B | 公开(公告)日: | 2023-09-26 |
发明(设计)人: | 请求不公布姓名 | 申请(专利权)人: | 中国科学院计算技术研究所 |
主分类号: | G06F15/167 | 分类号: | G06F15/167;G06F7/485;G06N3/06;G06N3/08 |
代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 周天宇 |
地址: | 100190 北*** | 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: | 运算 装置 方法 多核 智能 处理器 | ||
1.一种运算装置,其特征在于,包括:
存储单元、控制器单元和运算单元;
所述存储单元,用于存储待运算数据;
所述控制器单元,用于接收运算指令,并解析所述运算指令得到所述运算指令对应的待运算数据的地址和运算操作;
所述运算单元,用于访问所述待运算数据的地址,获取所述待运算数据,基于所述待运算数据执行所述运算操作,得到运算结果,以及,对所述运算结果进行有限值量化,得到输出结果;
所述待运算数据包括权值数据和进行有限值量化后的神经元数据,所述运算结果包括神经元数据,所述输出结果包括进行有限值量化后的所述神经元数据,所述运算操作包括神经网络运算操作;
所述运算单元还包括运算子单元和量化子单元;
所述运算子单元,用于基于所述神经元数据和权值数据执行神经网络运算,得到所述神经元数据;
所述量化子单元,用于根据量化表存储子单元中存储的神经元数据进行有限值量化前后的映射关系,查找所述神经元数据进行有限值量化后的数据,得到所述输出结果;
所述运算子单元包括:
向量变换器,用于对所述神经元数据进行向量变换,得到变换后的向量数据;
寄存器,用于存储中间结果,所述中间结果包括部分和数据或加法结果数据;
向量加法器,用于将输入的权值数据与所述部分和数据对应相加,得到所述加法结果数据;
向量乘法器,用于将所述加法结果数据和第一数据对应相乘,得到乘法结果数据;
累加子单元,用于对所述乘法结果数据进行累加,得到所述运算结果;
第一选择器,用于根据所述变换后的向量数据,从所述寄存器中选择所述部分和数据,并将所述部分和数据发送给向量加法器;
第二选择器,用于当满足预设条件时,从所述寄存器中选择所述加法结果数据发送给所述向量乘法器。
2.根据权利要求1所述的运算装置,其特征在于,所述运算单元包括量化表存储子单元,用于存储量化表,所述量化表中存储神经元数据进行有限值量化前后的映射关系。
3.根据权利要求1所述的运算装置,其特征在于,所述运算操作还包括数据复用操作;
所述数据复用操作,用于按照预设规则复用所述神经元数据和/或权值数据。
4.根据权利要求3所述的运算装置,其特征在于,当所述运算操作包括数据复用操作时,所述第一选择器,具体用于根据所述变换后的向量数据落在的有限值量化种类的具体类别,以及当前的运算操作循环的位置,选择所述中间结果。
5.根据权利要求3至4任意一项所述的运算装置,其特征在于,所述累加子单元为加法树。
6.根据权利要求3至4任意一项所述的运算装置,其特征在于,所述预设条件包括所述向量加法器的加法次数达到预设次数。
7.根据权利要求6所述的运算装置,其特征在于,所述预设次数为所述运算操作指定的次数。
8.根据权利要求3至4任意一项所述的运算装置,其特征在于,所述第一数据为所述量化表存储子单元中所述神经元数据进行有限值量化后的数据。
9.根据权利要求2所述的运算装置,其特征在于,所述控制器单元,还用于接收并解析写量化表指令,得到写量化表操作;
所述量化表存储子单元,用于执行所述写量化表操作,写入并存储所述神经元数据进行有限值量化前后的映射关系。
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国科学院计算技术研究所,未经中国科学院计算技术研究所许可,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/202010770239.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:刷足器
- 下一篇:多核异构智能处理器及运算方法