[发明专利]针对深度学习的浮点矩阵乘算子众核并行优化方法在审
| 申请号： | 201910975075.4 | 申请日： | 2019-10-14 |
| 公开（公告）号： | CN112732630A | 公开（公告）日： | 2021-04-30 |
| 发明（设计）人： | 刘沙;刘鑫;黄则强;陈德训;朱传家;彭超;裴阳;陆旭峰 | 申请（专利权）人： | 无锡江南计算技术研究所 |
| 主分类号： | G06F15/173 | 分类号： | G06F15/173;G06F17/16;G06F7/523;G06F7/57;G06F9/54 |
| 代理公司： | 苏州创元专利商标事务所有限公司 32103 | 代理人： | 王健 |
| 地址： | 214083 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种针对深度学习的浮点矩阵乘算子众核并行优化方法，包括将输入矩阵和输出矩阵进行扩展和在从核阵列上基于分块矩阵乘法进行计算；所述将输入矩阵和输出矩阵进行扩展包括以下步骤：S1、预申请扩展矩阵的空间；S2、在预申请空间上对输入矩阵和输出矩阵进行排布；S3、对于行方向M不整除情况，行数小于M的部分，按行读入N个数据，并对非整除列赋零后扩展为N_size个数据，写回扩展矩阵的对应位置；S4、对于列方向N不整除部分，首先从原始矩阵跨步读入右侧N不整除部分数据到局存，倒序扩展第N+1到N_size列为0。发明既可以减少访存的开销，又可以使算法的适用范围得到扩展，对于任意维度都有很好的支持。 | ||
| 搜索关键词： | 针对 深度 学习 浮点 矩阵 算子 并行 优化 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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无锡江南计算技术研究所，未经无锡江南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/patent/201910975075.4/，转载请声明来源钻瓜专利网。
- 上一篇：基于聚类分析的测试程序分类方法
- 下一篇：一种语音切换方法及装置
