[发明专利]一种用于执行向量最大值最小值运算的装置和方法

说明书

本公开提供了一种执行向量最大值最小值运算的装置及方法，用于配合相应的指令集，求取向量中的最大值元素和最小值元素，装置包括向量最大值最小值运算单元，根据获取的向量进行向量最大值最小值运算，得到运算结果。本公开将参与计算的向量数据暂存在高速暂存存储器上，使得执行向量最大值最小值运算过程中可以更加灵活有效地支持不同宽度的数据，提升包含向量最大值最小值运算应用的执行性能。

技术领域

本公开涉及一种向量最大值最小值运算装置及方法，用于根据向量最大值最小值运算指令执行向量最大值最小值运算，求取向量中的最大值元素和最小值元素。

背景技术

在计算机领域应用中，与向量运算相关的应用十分普遍。以目前的热门应用领域人工智能中的主流算法机器学习算法为例，几乎所有已有的经典算法中需要求取向量最大值最小值运算。对于求输入向量的最大值，max_out←max(Vector_in[i][v_size])，其中的Vector_in[i]是输入向量的起始地址，v_size是输入向量的长度，max_out是保存最大值的寄存器。指令每一个域只可以是寄存器。对于求输入向量的最小值，max_out←min(Vector_in[i][v_size])其中的Vector_in[i]是输入向量的起始地址，v_size是输入向量的长度，min_out是保存最大值的寄存器。指令每一个域只可以是寄存器。

在现有技术中，一种进行向量最大值最小值运算的已知方案是使用通用处理器，该方法通过通用寄存器堆和通用功能部件来执行通用指令，从而执行向量最大值最小值运算。然而，该方法的缺点之一是单个通用处理器多用于标量计算，在进行向量最大值最小值运算时运算性能较低。而使用多个通用处理器并行执行时，通用处理器之间的相互通讯又有可能成为性能瓶颈。在另一种现有技术中，使用图形处理器(GPU)来进行向量计算，其中，通过使用通用寄存器堆和通用流处理单元执行通用SIMD指令来进行向量最大值最小值运算。然而，上述方案中，GPU片上缓存太小，在进行大规模向量最大值最小值运算时需要不断进行片外数据搬运，片外带宽成为了主要性能瓶颈。在另一种现有技术中，使用专门定制的向量最大值最小值运算装置来进行向量计算，其中，使用定制的寄存器堆和定制的处理单元进行向量最大值最小值运算。然而，目前已有的专用向量最大值最小值运算装置受限于寄存器堆，不能够灵活地支持不同长度的向量最大值最小值运算。

发明内容

(一)要解决的技术问题

本公开的目的在于，提供一种向量最大值最小值运算装置及方法，解决现有技术中存在的受限于片间通讯、片上缓存不够、支持的向量长度不够灵活等问题。

(二)技术方案

本公开提供一种向量最大值最小值运算装置，用于根据向量最大值最小值运算指令求取向量中最大值元素和最小值元素，包括：

存储单元，用于存储向量；

寄存器单元，用于存储向量地址，其中，向量地址为向量在存储单元中存储的地址；

向量最大值最小值运算单元，用于获取向量最大值最小值运算指令，根据向量最大值最小值运算指令在寄存器单元中获取向量地址，然后，根据该向量地址在存储单元中获取相应的向量，接着，根据获取的向量进行求向量最大值最小值运算，得到向量中最大值元素和最小值元素。

本发明还提供一种向量最大值最小值运算方法，用于根据向量最大值最小值运算指令求取向量中最大值元素和最小值元素，方法包括：

S1，存储向量；

S2，存储向量地址；

S3，获取向量最大值最小值运算指令，根据向量最大值最小值运算指令获取向量地址，然后，根据该向量地址获取存储的向量，接着，根据获取的向量进行向量最大值最小值运算，得到向量最大值最小值运算结果。

本公开还提供了一种电子设备，包括以上任一所述的向量最大值最小值运算装置。