[发明专利]机器学习处理器及使用处理器执行向量最小值指令的方法有效
申请号: | 201810849496.8 | 申请日: | 2017-10-30 |
公开(公告)号: | CN109062607B | 公开(公告)日: | 2021-09-21 |
发明(设计)人: | 陈天石;刘少礼;王在;胡帅 | 申请(专利权)人: | 上海寒武纪信息科技有限公司 |
主分类号: | G06F9/30 | 分类号: | G06F9/30 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 郝传鑫;熊永强 |
地址: | 201306 上海*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 机器 学习 处理器 使用 执行 向量 最小值 指令 方法 | ||
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最小值指令,执行所述向量最小值指令具体包括如下步骤:
获取向量最小值指令,所述向量最小值指令包括:ASUM x, i;ASUM为指令标识;所述x为向量x的首地址,所述i为向量最小值结果的存储地址;
执行所述向量最小值指令得到向量最小值指令的具体结果;所述执行所述向量最小值指令得到向量最小值指令的具体结果具体包括:
提取所述向量最小值指令向量x,提取向量x中元素的最小值的位置;
所述向量最小值指令还包括:type,incx,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;所述提取所述向量最小值指令向量x,具体包括:
以步长incx提取向量最小值向量x。
2.根据权利要求1所述的机器学习处理器,其特征在于,
所述向量最小值指令还包括n,所述n为向量长度;所述提取所述向量最小值指令向量x具体包括:
提取向量长度为n的向量x。
3.根据权利要求1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。
4.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、标量。
5.根据权利要求4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。
6.根据权利要求1所述机器学习处理器,其特征在于,
所述处理器,具体用于将所述向量最小值的位置存入到存储器的所述i对应的存储地址。
7.根据权利要求4或5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。
8.一种机器学习处理器执行向量最小值指令的方法,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:
获取向量最小值指令,所述向量最小值指令包括:ASUM x, i;ASUM为指令标识;所述x为向量x的首地址,所述i为向量最小值结果的存储地址;
执行所述向量最小值指令得到向量最小值指令的具体结果;所述执行所述向量最小值指令得到向量最小值指令的具体结果具体包括:
提取所述向量最小值指令向量x,提取向量x中元素的最小值的位置;
所述向量最小值指令还包括:type,incx,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;所述提取所述向量最小值指令向量x,具体包括:
以步长incx提取向量最小值向量x。
9.根据权利要求8所述的方法,其特征在于,
所述向量最小值指令还包括n,所述n为向量长度;所述提取所述向量最小值指令向量x具体包括:
提取向量长度为n的向量x。
10.根据权利要求9所述的方法,其特征在于,
所述操作的数据类型为实数。
11.根据权利要求8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。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
将所述向量最小值的位置存入到所述存储器的所述i对应的存储地址。
13.根据权利要求11或12所述方法,其特征在于,
所述存储器为高速暂存存储器。
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上海寒武纪信息科技有限公司,未经上海寒武纪信息科技有限公司许可,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/201810849496.8/1.html,转载请声明来源钻瓜专利网。