[发明专利]神经网络处理器及使用处理器执行向量点积指令的方法

权利要求书

1.一种神经网络处理器，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点积指令，执行所述向量点积指令具体包括如下步骤：

获取向量点积指令，所述向量点积指令包括：DOT x,y,r；DOT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，r为标量的存储地址；

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

提取所述向量点积指令向量x、向量y，将向量x和标量A执行向量点积运算得到结果。

2.根据权利要求1所述的神经网络处理器，其特征在于，

所述向量点积指令还包括：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,所述提取所述向量点积指令向量x，向量y具体包括：

以步长incx提取向量点积向量x，向量y。

3.根据权利要求1或2所述的神经网络处理器，其特征在于，

所述向量点积指令还包括n，所述n为向量长度；所述提取所述向量点积指令向量x，向量y具体包括：

提取向量长度为n的向量x，向量y。

4.根据权利要求2所述的神经网络处理器，其特征在于，

所述操作的数据类型为实数或复数。

5.根据权利要求1所述的神经网络处理器，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、标量。

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所述神经网络处理器，其特征在于，

所述处理器，具体用于将所述运算的结果存入到所述存储器的所述r对应的存储地址。

8.根据权利要求5或6所述的神经网络处理器，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。

9.一种神经网络处理器执行向量点积指令的方法，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：

获取向量点积指令，所述向量点积指令包括：DOT x,y,r；DOT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，r为标量的存储地址；

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

提取所述向量点积指令向量x、向量y，将向量x和标量A执行向量点积运算得到结果。

10.根据权利要求9所述的方法，其特征在于，

所述向量点积指令还包括：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,所述提取所述向量点积指令向量x，向量y具体包括：

以步长incx提取向量点积向量x，向量y。

11.根据权利要求9或10所述的方法，其特征在于，

所述向量点积指令还包括n，所述n为向量长度；所述提取所述向量点积指令向量x，向量y具体包括：

提取向量长度为n的向量x，向量y。

12.根据权利要求11所述的处理器，其特征在于，

所述操作的数据类型为实数或复数。

13.根据权利要求9所述的方法，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、标量。