[发明专利]机器学习处理器及使用处理器执行向量外积指令的方法

权利要求书

1.一种机器学习处理器，其特征在于，所述处理器设置于计算装置内，所述计算装置用于执行向量外积指令，执行所述向量外积指令具体包括如下步骤：

获取向量外积指令，所述向量外积指令包括：GER x,y，a；GER为指令标识；所述x为向量x的首地址，所述y为向量y的首地址，a为矩阵A的首地址；

执行所述向量外积指令得到向量外积指令的具体结果；所述执行所述向量外积指令得到向量外积指令的具体结果具体包括：

提取所述向量外积指令向量x、向量y，矩阵A，将向量y执行转置得到转置向量y，将向量x、转置向量y进行乘积运算后加上矩阵A得到向量外积运算的结果。

2.根据权利要求1所述的机器学习处理器，其特征在于，

所述向量外积指令还包括：type，incx，incy,其中，type为进行操作的数据类型，incx为向量x的元素之间的地址间隔；incy为向量y的元素之间的地址间隔,所述提取所述向量外积指令向量x，向量y具体包括：

以步长incx提取向量外积向量x，向量y。

3.根据权利要求1或2所述的机器学习处理器，其特征在于，

所述向量外积指令还包括layout,m,n，lda，所述layout为矩阵A的存储格式，所述m为矩阵A的行数，所述n为矩阵A的列数，所述lda矩阵A低维的长度；所述提取所述向量外积指令矩阵A具体包括：

按所述layout的存储格式以及lda的低维长度价格提取行数为m，列数为n的矩阵A。

4.根据权利要求2所述的机器学习处理器，其特征在于，

所述操作的数据类型为实数。

5.根据权利要求1所述的机器学习处理器，其特征在于，所述计算装置还包括：存储器，所述存储器用于存储向量、矩阵。

6.根据权利要求5所述的处理器，其特征在于，所述计算装置还包括：存储器，所述存储器为高速暂存存储器。

7.根据权利要求2所述机器学习处理器，其特征在于，所述向量外积指令还包括：alpha，所述alpha为标量；

所述处理器，具体用于将所述向量外积运算的结果乘以alpha后存储。

8.根据权利要求5或6所述的机器学习处理器，其特征在于，

所述处理器，用于向所述存储器发送读取向量x的读取命令以批量读取方式获取对应的向量x，向所述存储器发送读取向量y的读取命令以批量读取方式获取对应的向量y。

9.一种机器学习处理器执行向量外积指令的方法，其特征在于，所述方法应用于计算装置，所述方法包括如下步骤：

获取向量外积指令，所述向量外积指令包括：GER x,y，a；GER为指令标识；所述x为向量x的首地址，所述y为向量y的首地址，a为矩阵A的首地址；

执行所述向量外积指令得到向量外积指令的具体结果；所述执行所述向量外积指令得到向量外积指令的具体结果具体包括：

提取所述向量外积指令向量x、向量y，矩阵A，将向量y执行转置得到转置向量y，将向量x、转置向量y进行乘积运算后加上矩阵A得到向量外积运算的结果。

10.根据权利要求9所述的方法，其特征在于，

所述向量外积指令还包括：type，incx，incy,其中，type为进行操作的数据类型，incx为向量x的元素之间的地址间隔；incy为向量y的元素之间的地址间隔,所述提取所述向量外积指令向量x，向量y具体包括：

以步长incx提取向量外积向量x，向量y。