[发明专利]一种池化计算装置及方法

说明书

本发明涉及一种池化计算装置，包括内部缓存单元，用于接收和暂存神经元数据；池化运算单元，用于对所述内部缓存单元中存储的神经元数据执行池化运算并获得计算结果；池化控制单元，用于控制所述内部缓存单元和所述池化运算单元针对所述内部缓存单元接收的神经元数据执行池化操作。

技术领域

本发明涉及计算领域，特别涉及一种池化计算装置及方法。

背景技术

神经网络是人工智能领域具有高发展水平的感知模型之一，因广泛的应用和出色的表现使其成为了学术界和工业界的研究热点。神经网络通过模拟人类大脑的神经连接结构来建立模型，为大规模数据(例如图像、视频或音频)处理任务带来了突破性进展。神经网络的计算过程一般可分为卷积、激活、池化等步骤，其中，神经网络的各层次特征图尺寸可随着池化操作而减少，以达到计算收敛效果，高效的池化装置有利于节约神经网络的硬件成本。

由于不同神经网络模型的池化方式通常会存在差异，主要体现在计算方法和池化范围的选择不同。现有技术中的池化装置，通常只考虑了固定池化的计算方式和池化范围，这就极大限制了神经网络芯片对不同网络的兼容性。

因此，需要一种能够兼容性好的池化计算装置及方法。

发明内容

本发明提供一种池化计算装置及方法，包括内部缓存单元，用于接收和暂存神经元数据；池化运算单元，用于对所述内部缓存单元中存储的神经元数据执行池化运算并获得计算结果；池化控制单元，用于控制所述内部缓存单元和所述池化运算单元针对所述内部缓存单元接收的神经元数据执行池化操作。

优选的，所述池化运算单元包括用于计算最大/最小值的比较器和用于暂存中间比较结果的缓存。

优选的，利用所述池化运算单元进行最大/最小值计算时，将当前比较周期的激活值输入至所述比较器中，获得当前周期的中间比较结果暂存入所述缓存，并将所述中间结果与下一周期的激活值一起输入至所述比较器中比较，直到获得最终最大/最小值。

优选的，所述池化运算单元还包括用于计算平均值的计算部件。

优选的，所述计算部件包括累加器和乘法器，利用所述池化运算单元进行平均值计算时，将池化核内的激活值依次输入至所述累加器中并获得累加结果，将所述累加结果输入至乘法器中并乘以所有激活值总数的倒数，获得平均值。

优选的，所述池化计算装置包括多个并行执行的池化运算单元。

优选的，所述控制单元将存储在所述内部缓存单元中的神经元数据分成多个数据块，并为每个所述数据块分配一个所述池化运算单元执行池化计算。

本发明还提供一种利用上述池化计算装置进行池化计算的方法，包括以下步骤：

接收并分析池化参数，生成控制信号；

根据所述控制信号对接收的神经元数据进行划分并选择运算类型；

根据所述控制信号执行池化运算并输出计算结果。

优选的，利用逐次比较方式执行最大/最小值的池化运算。

优选的，利用逐次累加方式执行平均值的池化运算。

相对于现有技术，本发明取得了如下有益技术效果：本发明提供的池化计算装置及方法，通过采用多个池化运算单元同时对不同的池化核数据块执行计算，提高了池化操作的并行度；同时采用依次比较和依次累加的计算方式，能够实现针对不同池化范围的池化操作，提高了池化计算的兼容性。

附图说明

图1是本发明提供的池化计算装置。

图2是利用池化运算单元103进行最大/最小值计算的示意图。

图3是利用池化运算单元103进行平均值计算的示意图。