[发明专利]神经元电路、芯片、系统及其方法、存储介质

权利要求书

1.一种深度学习芯片，其特征在于，适用于包括卷积网络、区域网络、循环网络及强化学习网络在内的深度学习网络，所述深度学习芯片包括：

存储单元，用于存储深度学习指令集以及深度学习所针对数据，所述深度学习指令集包括：若干具有预定处理顺序的神经网络层指令；

中央控制器，用于按照所述深度学习指令集进行控制，以完成所述深度学习指令集所对应的深度学习任务；

输入输出单元，用于实现数据在所述存储单元与神经元阵列之间的传输；以及，

由若干神经元电路构成的神经元阵列；

所述神经元电路可实现包括池化网络层、激活函数网络层、卷积网络层、全连接网络层、状态动作网络层在内的神经网络层的数据处理；可根据不同的场景功能、神经网络种类、神经网络规模、神经元运算模式配置神经元电路；

所述神经元电路包括：

计算模块，设置有包括乘法器、加法器和/或激活函数模块在内的基础计算模块，用于进行计算基础架构的调整，以执行不同的神经网络层节点数据处理；其中，不同的神经网络层节点数据处理包括：不同类型的神经网络层的数据处理、同一类型神经网络层中不同节点对应的数据处理、同一神经网络层中不同节点对应的数据处理；

配置信息存储模块，用于存储神经元处理模式配置信息；

控制模块，用于根据所述处理模式配置信息，控制所述计算模块调整为对应的计算基础架构并执行对应的神经网络层节点数据处理；

临时存储模块，用于存储所述神经网络层节点数据处理的中间数据；

深度学习任务的处理过程包括：获取所述存储单元中与当前神经网络层指令对应的当前处理模式配置信息，通过所述输入输出单元置入神经元阵列内的神经元电路，以完成神经元电路的配置；所述存储单元中的待处理数据再通过输入输出单元置入神经元阵列内的神经元电路中，神经元电路则在所完成的配置基础上，对置入的待处理数据进行处理，处理所得数据作为下一神经网络层处理任务的待处理数据；迭代上述流程，以执行下一神经网络层处理任务，直至完成所有的神经网络层处理任务，以完成该深度学习任务；

当深度学习任务中需要引入神经网络参数进行处理，则在处理模式配置信息置入神经元电路后，从存储单元中向神经元阵列内的神经元电路置入相应的参数。

2.如权利要求1所述的深度学习芯片，其特征在于，所述神经元电路还包括：

参数存储模块，用于存储所述神经网络层节点数据处理所需的参数；以及，

地址生成模块，用于受所述控制模块控制，查找与所述神经网络层节点数据处理针对的数据所对应的参数。

3.如权利要求1所述的深度学习芯片，其特征在于，所述计算模块还包括：

选通模块，用于在所述控制模块的控制下执行对应的选通动作，使所述基础计算模块构成对应的所述计算基础架构，所述选通模块包括：复用器和/或解复用器。

4.如权利要求1所述的深度学习芯片，其特征在于，所述输入输出单元为串入串出式移位寄存器，所述神经元电路与所述输入输出单元之间建立独立的数据传输通路。

5.如权利要求1所述的深度学习芯片，其特征在于，所述存储单元还用于：存储所述神经网络层节点数据处理的中间数据。

6.一种深度学习芯片级联系统，其特征在于，所述深度学习芯片级联系统包括：至少两个相互之间存在级联关系的、如权利要求1至5任一项所述的深度学习芯片。

7.一种深度学习系统，其特征在于，所述深度学习系统包括：至少一个如权利要求1至5任一项所述的深度学习芯片，以及与所述深度学习芯片相连的外围器件。

8.一种神经元控制方法，其特征在于，适用于权利要求1所述的深度学习芯片，所述神经元控制方法包括下述步骤：

获得神经元处理模式配置信息；根据所述处理模式配置信息，控制计算模块调整为对应的计算基础架构并执行对应的神经网络层节点数据处理。