[发明专利]存储装置、存储控制器和操作神经处理器的方法在审
申请号: | 202011179725.3 | 申请日: | 2020-10-29 |
公开(公告)号: | CN112748876A | 公开(公告)日: | 2021-05-04 |
发明(设计)人: | 林真洙;薛昶圭;张宰薰;邵惠晶;孙弘乐;尹弼相 | 申请(专利权)人: | 三星电子株式会社 |
主分类号: | G06F3/06 | 分类号: | G06F3/06;G06F8/61;G06F15/78;G06N3/063;G06N20/00 |
代理公司: | 北京铭硕知识产权代理有限公司 11286 | 代理人: | 黄晓燕;张川绪 |
地址: | 韩国京畿*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 存储 装置 控制器 操作 神经 处理器 方法 | ||
1.一种存储装置,包括:
接口电路,被配置为从主机接收应用信息;
现场可编程门阵列;
神经处理器;和
中央处理器,被配置为:使用应用信息从存储在存储器中的多个硬件镜像之中选择硬件镜像,并且使用选择的硬件镜像来重新配置现场可编程门阵列,
其中,神经处理器被配置为使用重新配置的现场可编程门阵列执行操作。
2.根据权利要求1所述的存储装置,其中,选择的硬件镜像与多个不同的机器学习算法中的选择的机器学习算法相关联,并且应用信息指示将被选择的机器学习算法。
3.根据权利要求2所述的存储装置,其中,重新配置的现场可编程门阵列针对选择的机器学习算法,对输入到神经处理器的数据执行预计算以生成值,并且神经处理器使用存储在存储器中的权重数据对所述值执行选择的机器学习算法以生成结果。
4.根据权利要求3所述的存储装置,还包括:乘积累加计算器,被配置为使用权重数据对所述值执行选择的机器学习算法以生成结果。
5.根据权利要求2所述的存储装置,其中,神经处理器使用存储在存储器中的权重数据对输入数据执行选择的机器学习算法以生成值,并且重新配置的现场可编程门阵列对所述值执行后计算以生成结果。
6.根据权利要求2所述的存储装置,其中,重新配置的现场可编程门阵列使用存储在存储器中的权重数据对输入数据执行选择的机器学习算法以生成结果。
7.根据权利要求1所述的存储装置,其中,存储器是位于神经处理器内的静态随机存取存储器或寄存器。
8.根据权利要求1所述的存储装置,还包括:非易失性存储器控制器,连接到存储器,并且存储器位于包括所述神经处理器、所述中央处理器和所述现场可编程门阵列的控制器外部。
9.根据权利要求1所述的存储装置,其中,现场可编程门阵列包括被选择的硬件镜像配置的动态区域和不被选择的硬件镜像改变的静态区域。
10.一种存储控制器,包括:
神经处理器;
现场可编程门阵列;
非易失性存储器控制器,经由专用通道连接到位于存储控制器外部的非易失性存储器装置,非易失性存储器装置存储多个硬件镜像;和
数据总线,连接神经处理器、现场可编程门阵列和非易失性存储器控制器,
其中,非易失性存储器控制器从非易失性存储器装置选择所述多个硬件镜像中的与接收的应用信息对应的硬件镜像,并且使用选择的硬件镜像来重新配置现场可编程门阵列。
11.根据权利要求10所述的存储控制器,其中,专用通道包括第一通道和第二通道,第一通道用于从非易失性存储器装置的第一非易失性存储器接收选择的硬件镜像,第二通道用于从非易失性存储器装置的第二非易失性存储器接收用于除了机器学习之外的操作的数据。
12.根据权利要求11所述的存储控制器,其中,选择的硬件镜像与多个不同的机器学习算法中的选择的机器学习算法相关联,并且应用信息指示将被选择的机器学习算法。
13.根据权利要求12所述的存储控制器,其中,第一通道还用于接收存储在第一非易失性存储器中的在执行选择的机器学习算法时使用的权重数据。
14.根据权利要求10所述的存储控制器,其中,神经处理器被配置为:通过与数据总线不同的将神经处理器连接到现场可编程门阵列的信号线来请求现场可编程门阵列执行操作。
15.根据权利要求13所述的存储控制器,其中,神经处理器还包括:乘积累加计算器,被配置为使用权重数据对操作的结果执行选择的机器学习算法。
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三星电子株式会社,未经三星电子株式会社许可,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/202011179725.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:机动车构件
- 下一篇:显示设备、光电转换设备、电子设备、照明设备和移动体