[发明专利]神经网络装置、操作神经网络装置的方法和应用处理器

说明书

公开了神经网络装置、操作神经网络装置的方法和应用处理器。所述神经网络装置包括：浮点运算电路，被配置为执行点积运算和累加运算；和缓冲器，被配置为存储由浮点运算电路生成的第一累积数据，其中，浮点运算电路还被配置为通过以下操作执行点积运算和累加运算：从第一累积数据的阶码值和通过分别将多个浮点数据对的阶码相加而获得的多个阶码加法结果识别最大值；基于最大值，执行第一累积数据的尾数部分和通过分别将所述多个浮点数据对的尾数相乘而获得的多个尾数乘法结果的对齐移位；和执行多个对齐的尾数乘法结果与第一累积数据的对齐的尾数部分的求和。

本申请基于并要求于2020年4月7日在韩国知识产权局提交的第10-2020-0042408号韩国专利申请和2021年1月5日在韩国知识产权局提交的第10-2021-0001056号韩国专利申请的优先权，所述韩国专利申请的公开通过引用全部包含于此。

技术领域

公开的示例实施例涉及人工智能领域，更具体地，涉及神经网络装置、操作神经网络装置的方法和应用处理器。

背景技术

神经网络表示对动物大脑的生物网络进行模拟的计算架构。随着近来神经网络技术已经发展，已经对在各种电子系统中使用基于神经网络操作的神经网络装置来分析输入数据并提取有效信息进行了大量研究。

神经网络装置需要针对复杂的输入数据执行大量计算。为了使神经网络装置能够实时分析输入数据并提取信息，需要用于高效地处理神经网络的操作的技术。特别地，低功率高性能系统(诸如，智能电话)具有有限的资源。因此，期望用于减少处理复杂的输入数据所需的计算量并提高人工神经网络的性能的技术。

发明内容

公开的一个或多个示例实施例提供了一种用于在包括浮点运算电路的神经网络装置中执行浮点计算的方法和装置。

根据公开的一方面，提供了一种用于执行神经网络操作的神经网络装置。所述神经网络装置包括：浮点运算电路，被配置为执行点积运算和累加运算；和缓冲器，被配置为存储由浮点运算电路生成的第一累积数据，其中，浮点运算电路还被配置为通过以下操作执行点积运算和累加运算：从第一累积数据的阶码值和通过分别将多个浮点数据对的阶码相加而获得的多个阶码加法结果识别最大值；基于最大值，执行第一累积数据的尾数部分和通过分别将所述多个浮点数据对的尾数相乘而获得的多个尾数乘法结果的对齐移位；和执行多个对齐的尾数乘法结果与第一累积数据的对齐的尾数部分的求和。

根据公开的另一方面，提供了一种神经网络装置的操作方法。所述操作方法包括：接收多个浮点数据对和第一累积数据；从第一累积数据的阶码值和通过分别将所述多个浮点数据对的阶码相加而获得的多个阶码加法结果识别最大值；基于最大值，执行第一累积数据的尾数部分和通过分别将所述多个浮点数据对的尾数相乘而获得的多个尾数乘法结果的对齐移位；将多个对齐的尾数乘法结果与第一累积数据的对齐的尾数部分相加；和基于所述相加的结果生成第二累积数据。

根据公开的再一方面，提供了一种包括神经网络装置的应用处理器，其中，所述神经网络装置被配置为通过以下操作执行点积运算和累加运算：基于第一累积数据的阶码值和通过分别将多个浮点数据对的阶码相加而获得的多个阶码加法结果，执行第一累积数据的尾数部分和通过分别将所述多个浮点数据对的尾数相乘而获得的多个尾数乘法结果的对齐移位；和执行多个对齐的尾数乘法结果与第一累积数据的对齐的尾数部分的求和。

附图说明

通过参照附图描述特定示例实施例，以上和/或其它方面将更加清楚，其中：

图1是根据示例实施例的神经网络系统的示意性框图；

图2示出神经网络架构的示例；

图3A至图3C是浮点数据格式的类型的示例的示图，图3D是整数数据的示例的示图；

图4是根据示例实施例的神经网络装置的操作方法的流程图；

图5是示出根据示例实施例的神经网络系统的操作的示图；