[发明专利]一种人工智能加速器及其数据处理方法

说明书

本发明提供一种人工智能加速器及其数据处理方法，该加速器包括：存储单元，用于存储目标学习率，所述目标学习率为目标神经网络模型训练的参数信息；所述计算电容电路，用于从所述存储单元中读取所述目标学习率，并接收外部输入的目标残差值和目标输入值，并基于所述目标学习率、所述目标残差值和所述目标输入值，输出目标模拟电压；模数转换单元，用于接收所述计算电容电路输出的所述目标模拟电压，并将所述目标模拟电压转换为目标数字电压，以供所述目标神经网络模型训练进行网络权重参数更新。本发明的人工智能加速器，实现了人工智能加速器支持低功耗训练计算功能，避免了传感器老化带来的推理计算错误，确保了推理计算的准确性。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种人工智能加速器及其数据处理方法。

背景技术

目前，经典的人工智能应用是通过利用传感器和人工智能加速器来实现的。

然而，实际应用过程中，传感器容易出现老化，且现有人工智能加速器都不具有训练计算功能，因此，随着时间的推移，势必会引起人工智能加速器与传感器不再匹配而导致推理计算错误。为避免上述技术缺陷，需要人工智能加速器也能支持训练计算功能。

因此，如何更好地实现支持训练计算功能的人工智能加速器已经成为业界亟待解决的问题。

发明内容

本发明提供一种人工智能加速器及其数据处理方法，用以更好地实现支持训练计算功能的人工智能加速器。

本发明实施例提供一种人工智能加速器，包括：

存储单元，用于存储目标学习率，所述目标学习率为目标神经网络模型训练的参数信息；

所述计算电容电路，用于从所述存储单元中读取所述目标学习率，并接收外部输入的目标残差值和目标输入值；

基于所述目标学习率、所述目标残差值和所述目标输入值，输出目标模拟电压，其中，所述目标残差值基于所述目标神经网络模型训练的反向传播过程中当前层的残差信息确定，所述目标输入值基于所述目标神经网络模型训练的前向传播过程的输入信息确定，所述目标模拟电压为所述目标神经网络模型训练的权重变化信息的电压模拟量；

模数转换单元，用于接收所述计算电容电路输出的所述目标模拟电压，并将所述目标模拟电压转换为目标数字电压，以供所述目标神经网络模型训练进行网络权重参数更新。

根据本发明实施例提供的一种人工智能加速器，所述计算电容电路，具体还用于：

对所述目标学习率、所述目标残差值和所述目标输入值进行模拟信号乘法计算，输出所述目标模拟电压。

根据本发明实施例提供的一种人工智能加速器，所述计算电容电路，具体还用于：

计算所述目标学习率对应的模拟信号、所述目标残差值对应的模拟信号和所述目标输入值对应的模拟信号的乘积，得到目标模拟乘积；

计算所述目标模拟乘积与预设单位电压的乘积，得到所述目标模拟电压。

根据本发明实施例提供的一种人工智能加速器，所述存储单元包括8管静态随机存取存储器SRAM。

根据本发明实施例提供的一种人工智能加速器，所述模拟信号乘法计算是通过电荷分享的方式实现的。

本发明实施例还提供一种应用于上述任一项所述的人工智能加速器的数据处理方法，包括：

所述计算电容电路从所述存储单元中读取目标学习率，并接收外部输入的目标残差值和目标输入值；