[发明专利]异构加速处理器及数据计算方法

说明书

本发明公开了一种异构加速处理器及数据计算方法，该异构加速处理器包括：计算模块，包括卷积PE阵列和矢量计算控制单元；存储模块RAM用于存储数据；CPU用于将矢量计算指令发送至计算模块；卷积PE阵列包括多个PE单元，所述PE单元用于对原始数据进行神经网络卷积计算；所述数据整理变换模块用于对计算模块输出的中间数据进行整理变换，获得结果数据；所述矢量计算控制单元用于控制至少一个PE单元进行矢量计算；所述PE单元还用于在矢量计算控制单元的控制下，对原始数据或中间数据进行矢量计算；在接收到矢量计算指令后，对矢量计算指令中的数据进行矢量计算。本发明可以灵活地进行神经网络卷积计算和矢量计算，且可避免资源浪费。

技术领域

本发明涉及计算机技术领域，尤其涉及一种异构加速处理器及数据计算方法。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

传统的神经网络处理器，多个计算单元之间是以数据驱动控制的方式，只能做全部或部分的并行阵列处理。而当神经网络处理器需要进行一些逻辑判断或标量/矢量计算功能时，由于专用神经网络处理器针对神经网络计算进行高度优化，数据通路及计算阵列固定，往往不能够灵活的对数据进行搬移与计算处理，对一些通用的常规计算及逻辑判断不能很好的支持，存在优化的空间。传统的神经网络处理器计算阵列及片上存储资源较多，面积较大。在一些对神经网络计算需求不强的应用场景中，这时需要更多的通用CPU计算资源，如果单独在芯片内部实现额外的CPU通用处理器，则存在资源浪费的情况。

发明内容

本发明实施例提供一种异构加速处理器，用以灵活地进行神经网络卷积计算和矢量计算等计算，且可避免资源浪费，该异构加速处理器包括：

计算模块、存储模块RAM、CPU和数据整理变换模块，其中，所述计算模块包括卷积PE阵列和矢量计算控制单元；

所述RAM用于存储原始数据、中间数据和结果数据；

所述CPU用于将矢量计算指令发送至计算模块；

所述卷积PE阵列包括多个PE单元，所述PE单元用于对原始数据进行神经网络卷积计算；

所述数据整理变换模块用于对计算模块输出的中间数据进行整理变换，获得结果数据；

所述矢量计算控制单元用于控制至少一个PE单元进行矢量计算；

所述PE单元还用于在矢量计算控制单元的控制下，对原始数据或中间数据进行矢量计算；在接收到矢量计算指令后，对矢量计算指令中的数据进行矢量计算。

本发明实施例还提供一种基于异构加速处理器的数据计算方法，用以灵活地进行神经网络卷积计算和矢量计算等计算，且可避免资源浪费，该方法应用于前述异构加速处理器，包括：

在接收到神经网络卷积计算指令后，通过计算模块对存储模块RAM中存储的原始数据进行神经网络卷积计算，获得中间数据，通过数据整理变换模块对中间数据进行整理变换，获得结果数据；

在接收到矢量计算指令后，通过矢量计算控制单元控制计算模块进行矢量计算，获得中间数据，通过数据整理变换模块对中间数据进行整理变换，获得结果数据。