[发明专利]数据通信方法、计算系统和存储介质有效
申请号: | 201811224484.2 | 申请日: | 2018-10-19 |
公开(公告)号: | CN111078286B | 公开(公告)日: | 2023-09-01 |
发明(设计)人: | 请求不公布姓名 | 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;G06N3/063 |
代理公司: | 北京华进京联知识产权代理有限公司 11606 | 代理人: | 孙岩 |
地址: | 200120 上海市浦*** | 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: | 数据通信 方法 计算 系统 存储 介质 | ||
本申请涉及一种数据通信方法、计算系统和存储介质,所述方法包括获取所述计算结果的数据存储地址,根据所述计算结果的数据存储地址读取所述计算结果。上述数据通信方法、装置和相关产品,通过计算装置的计算得到计算结果,将计算结果根据实际需要对计算结果进行变换,再将变换后的计算结果发送至对应的转移地址,实现了神经网络芯片之间或人工智能计算装置之间的数据通信。
技术领域
本申请涉及信息处理技术领域,具体涉及一种数据通信方法、计算系统和存储介质。
背景技术
随着人工智能的普及,通用处理器已不能满足现有算法的计算需求,专用神经网络芯片营运而生。实践证明,机器学习计算任务相对于通用处理任务或图像处理任务而言,具有独特的数据结构、存储方式、计算模式等,因而可以设计专用集成电路为机器学习计算任务重新分配芯片计算资源,实现低功耗、低延迟、高吞吐率的计算。神经网络计算装置是一种专用集成电路,可以实现神经网络计算任务,其具有低功耗、高效能的特点。
根据摩尔定律和登纳德缩放比例定律,单核高效能处理器的计算能力会因为物理因素的限制达到瓶颈。为了提高计算并行性,神经网络芯片设计逐渐向多核高效率处理器的设计转变。不仅如此,随着高性能计算机和数据中心的发展,越来越多的计算资源被集中起来,多芯片协同处理已是常态。为了实现人工智能计算装置的高处理性能和高可扩展的人工智能处理系统,神经网络芯片间需要支持高效数据通信。
目前,还没有一种能够实现神经网络芯片之间或人工智能计算装置之间的数据通信方法、装置和相关产品。
发明内容
基于此,有必要提供一种能够实现神经网络芯片之间或人工智能计算装置之间的数据通信方法、计算系统和存储介质。
一种数据通信方法,所述方法包括:
控制器单元获取输入数据以及计算指令;
控制器单元解析该计算指令得到多个运算指令,将该多个运算指令以及所述输入数据发送给处理电路;
所述运算单元根据所述多个运算指令对所述输入数据进行计算,得到计算结果;
计算结果变换单元判断是否对所述计算结果进行变换操作;若是,则对所述计算结果进行变换操作,得到变换后的计算结果;
计算结果转移单元获取数据转移地址,将所述变换后的计算结果发送至所述数据转移地址进行存储。
在其中一个实施例中,所述处理电路包括主处理电路和多个从处理电路;所述运算单元根据所述多个运算指令对所述输入数据进行计算,得到计算结果的步骤还包括:
所述主处理电路获取所述多个运算指令以及所述输入数据;
所述主处理电路对所述输入数据执行前序处理以及与多个从处理电路之间传输数据以及运算指令;
所述多个从处理电路依据从所述主处理电路传输的数据以及运算指令并行执行中间运算得到多个中间结果,并将多个中间结果传输给所述主处理电路;
所述主处理电路对所述多个中间结果执行后续处理得到所述计算指令的计算结果。
在其中一个实施例中,所述方法还包括所述计算结果变换单元判断是否对所述计算结果进行变换操作的步骤之前还包括:计算结果读取单元获取所述计算结果的数据存储地址,根据所述计算结果的数据存储地址读取所述计算结果。
在其中一个实施例中,所述计算结果变换单元判断是否对所述计算结果进行变换操作的步骤之前还包括:计算结果读取单元,获取所述计算结果的数据存储地址,根据所述计算结果的数据存储地址读取所述计算结果。
在其中一个实施例中,所述计算结果转移单元获取数据转移地址,将所述变换后的计算结果发送至所述数据转移地址进行存储的步骤还包括:
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/201811224484.2/2.html,转载请声明来源钻瓜专利网。
- 上一篇:音视频预览内容播放方法、装置及存储介质
- 下一篇:衣物处理设备