[发明专利]计数装置和计数方法

说明书

一种计数装置及计数方法。计数装置包括存储单元、计数单元、以及寄存器单元，其中，存储单元与计数单元连接，用于存储待计数的输入数据以及用于存储统计的输入数据中满足给定条件的元素个数；寄存器单元，用于存储待计数的输入数据在存储单元中存储的地址；计数单元，与寄存器单元连接，用于获取计数指令，根据计数指令在寄存器单元中读取待计数的输入数据的存储地址，在存储单元中获取相应的待计数的输入数据，并对待计数的输入数据中满足给定条件的元素个数进行统计计数，得到计数结果。计数装置和计数方法中，通过将统计输入数据中满足给定条件的元素个数的算法编写成指令的形式，可以提高计算效率。

本申请是申请号为201880000923.3中国专利的分案申请，母案专利的内容皆引用于此。

技术领域

本公开涉及计算机领域，进一步涉及人工智能领域的计数装置和计数方法。

背景技术

随着大数据时代的来临，神经网络算法成为了近些年人工智能领域的一个研究热点，在模式识别、图像分析、智能机器人等方面都得到了广泛的应用。

深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习人物(例如，人脸识别或面部表情识别)。

至今已有数种深度学习架构，如深度神经网络、卷积神经网络和深度信念网络和递归神经网络已被应用于计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域，并获取了极好的效果。另外，深度学习已成为类似术语，或者说是神经网络的品牌重塑。

随着深度学习(神经网络)的大热，神经网络加速器也应运而生，通过专门的内存和运算模块设计，神经网络加速器在进行深度学习运算时可以获得相比较通用处理器几十倍甚是上百倍的加速比，并且面积更小，功耗更低。

发明内容

本公开提供一种计数装置，包括存储单元、计数单元、以及寄存器单元，其中，

存储单元与计数单元连接，用于存储待计数的输入数据以及用于存储统计的输入数据中满足给定条件的元素个数；

寄存器单元，用于存储待计数的输入数据在存储单元中存储的地址；

计数单元，与寄存器单元连接，用于获取计数指令，根据计数指令在寄存器单元中读取所述待计数的输入数据的存储地址，在存储单元中获取相应的待计数的输入数据，并对所述待计数的输入数据中满足给定条件的元素个数进行统计计数，得到计数结果。

本公开还提供一种应用上述计数装置的计数方法，其特征在于包括：

存储单元存储待计数的输入数据以及存储统计的输入数据中满足给定条件的元素个数；

寄存器单元存储待计数的输入数据在存储单元中存储的地址；

计数单元获取计数指令，根据计数指令在寄存器单元中读取待计数的输入数据的存储地址，在存储单元中获取相应的待计数的输入数据，并对所述待计数的输入数据中满足给定条件的元素个数进行统计计数，得到计数结果。

本公开的计数装置和计数方法中，通过将统计输入数据中满足给定条件的元素个数的算法编写成指令的形式，可以提高计算效率。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本公开实施例计数装置的框架结构示意图。

图2为本公开实施例计数装置中计数单元的结构示意图。