[发明专利]基于神经网络的计算阵列有效
申请号: | 201710961627.7 | 申请日: | 2017-10-17 |
公开(公告)号: | CN107797962B | 公开(公告)日: | 2021-04-16 |
发明(设计)人: | 尹首一;严佳乐;涂锋斌;欧阳鹏;刘雷波;魏少军 | 申请(专利权)人: | 清华大学 |
主分类号: | G06F15/78 | 分类号: | G06F15/78;G06F7/52;G06F7/50 |
代理公司: | 北京三友知识产权代理有限公司 11127 | 代理人: | 王涛;贾磊 |
地址: | 10008*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 神经网络 计算 阵列 | ||
1.一种基于神经网络的计算阵列,所述计算阵列包括多个可重构计算单元,其特征在于,每一所述可重构计算单元包括(n+1)层多比特位宽乘法器,所述多比特位宽乘法器由上层至下层分别为:
2n个22比特乘以22比特的最小乘法单元;
2n-1个22比特乘以23比特的乘法单元;
2n-2个23比特乘以23比特的乘法单元;
2n-3个23比特乘以24比特的乘法单元;
……
2n-n个2n比特乘以2n比特的乘法单元;
每一层乘法单元用于执行不同的计算任务,从最小乘法单元开始,每一层乘法单元的计算结果通过移位及加法器的加法操作输送给下一层乘法单元;
其中,n≥4,且n为偶数。
2.根据权利要求1所述的基于神经网络的计算阵列,其特征在于,每一所述可重构计算单元还包括:与不同乘法单元连接的寄存器,分别用于存储对应的乘法单元的计算结果。
3.根据权利要求2所述的基于神经网络的计算阵列,其特征在于,当需要执行第m层多比特位宽乘法器的计算任务时,仅使能第1层至第m层多比特位宽乘法器对应的寄存器,m≤n。
4.根据权利要求2所述的基于神经网络的计算阵列,其特征在于,每一寄存器中包括:有符号寄存器及无符号寄存器。
5.根据权利要求4所述的基于神经网络的计算阵列,其特征在于,每一所述可重构计算单元还包括:
多个第一选择器,连接对应的乘法单元,用于选择将对应的乘法单元的计算结果保存至有符号寄存器或无符号寄存器;
多个第二选择器,连接对应的加法器,用于选择有符号寄存器或无符号寄存器中存储的计算结果。
6.一种基于神经网络的计算阵列,所述计算阵列包括多个可重构计算单元,其特征在于,每一所述可重构计算单元包括(n+1)层多比特位宽乘法器,所述多比特位宽乘法器由上层至下层分别为:
2n个22比特乘以22比特的最小乘法单元;
2n-1个22比特乘以23比特的乘法单元;
2n-2个23比特乘以23比特的乘法单元;
2n-3个23比特乘以24比特的乘法单元;
……
2n-n个2n-1比特乘以2n比特的乘法单元;
每一层乘法单元用于执行不同的计算任务,从最小乘法单元开始,每一层乘法单元的计算结果通过移位及加法操作输送给下一层乘法单元;
其中,n≥4,且n为奇数。
7.根据权利要求6所述的基于神经网络的计算阵列,其特征在于,每一所述可重构计算单元还包括:与不同乘法单元连接的寄存器,分别用于存储对应的乘法单元的计算结果。
8.根据权利要求7所述的基于神经网络的计算阵列,其特征在于,当需要执行第m层多比特位宽乘法器的计算任务时,仅使能第1层至第m层多比特位宽乘法器对应的寄存器,m≤n。
9.根据权利要求7所述的基于神经网络的计算阵列,其特征在于,每一寄存器中包括:有符号寄存器及无符号寄存器。
10.根据权利要求9所述的基于神经网络的计算阵列,其特征在于,每一所述可重构计算单元还包括:
多个第一选择器,连接对应的乘法单元,用于选择将对应的乘法单元的计算结果保存至有符号寄存器或无符号寄存器;
多个第二选择器,连接对应的加法器,用于选择有符号寄存器或无符号寄存器中存储的计算结果。
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清华大学,未经清华大学许可,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/pat/books/201710961627.7/1.html,转载请声明来源钻瓜专利网。