[发明专利]神经网络硬件

权利要求书

1.一种用于实施深度神经网络(DNN)的硬件，所述深度神经网络具有卷积层，所述硬件包括多个卷积引擎，每个卷积引擎能够操作以通过向数据窗口应用滤波来执行卷积操作，每个滤波包括用于与数据窗口的相应的数据值组合的权重的集合，并且所述多个卷积引擎中的每个卷积引擎包括：

乘法逻辑，其能够操作以将滤波的权重与数据窗口的相应的数据值组合；

控制逻辑，其被配置为：

接收配置信息，所述配置信息标识用于在所述多个卷积引擎处的数据窗口的集合上操作的滤波的集合；

使用所述配置信息来确定卷积操作的序列，以用于在所述乘法逻辑处进行评估；

根据所确定的卷积操作的序列，请求权重和数据值，以用于至少部分地向数据窗口应用滤波；并且

使得所述乘法逻辑将所述权重与其相应的数据值组合；以及

累加逻辑，其被配置为将由所述乘法逻辑执行的多个组合的结果累加，以便形成所确定的序列的卷积操作的输出。

2.根据权利要求1所述的硬件，其中，所述多个卷积引擎中的每个卷积引擎被布置为独立地执行不同序列的卷积操作，使得所述卷积引擎共同地向数据窗口的集合中的每个数据窗口应用滤波的集合。

3.根据权利要求1或2所述的硬件，其中，所述多个卷积引擎中的每个卷积引擎被配置为独立地请求下一个卷积操作的权重和数据值，并且使得其乘法逻辑开始下一个卷积操作，而不管所述卷积引擎中的其他卷积引擎是否已经完成其当前的卷积操作。

4.根据权利要求1或2所述的硬件，其中，所述配置信息包括滤波的集合中的滤波的数量和数据窗口的集合中的数据窗口的数量；并且所述控制逻辑被配置为使用所述配置信息来确定卷积操作的序列，并且卷积引擎的数量被布置为向所述数据窗口的集合应用所述滤波的集合。

5.根据权利要求1或2所述的硬件，其中，所述硬件被布置为执行卷积操作的预定序列，每个卷积操作由指数标识，根据所述指数每个下一个卷积操作通过使所述指数递增来标识，并且在完成卷积操作时，每个卷积引擎被配置为通过使其当前卷积操作的指数递增根据所述卷积引擎的数量而得出的步长值来确定其下一个卷积操作，使得在每个卷积引擎处执行的所述卷积操作的序列也被预先确定。

6.根据权利要求5所述的硬件，其中，所述步长值是卷积引擎的数量。

7.根据权利要求5所述的硬件，其中，所述滤波的集合被布置为在所述数据窗口的集合中的每个集合上以固定的序列执行以便形成卷积操作的预定序列，并且所述控制逻辑被配置为通过根据所述预定确定序列确定每个下一个卷积操作的滤波和数据窗口来确定该下一个卷积操作的权重和数据值。

8.根据权利要求1或2所述的硬件，其中，所述控制逻辑被配置为：在所述乘法逻辑完成其当前权重和数据值的组合之前请求下一个权重和数据值。

9.根据权利要求1或2所述的硬件，其中，所述配置信息在硬件处理开始时在每个卷积引擎处被接收，由所述配置信息标识的数据窗口的集合和应用于数据窗口的集合的滤波的集合是完整的滤波的集合和完整的数据窗口的集合，以用于由所述硬件处理中的所述硬件的所述多个卷积引擎进行评估。

10.根据权利要求1或2所述的硬件，其中，每个卷积引擎被配置为：标识所请求的权重中的零权重，并且对于每个权重以及其相应的数据值，使得所述乘法逻辑仅在所述权重为非零时将所述权重与其相应的数据值组合。

11.根据权利要求10所述的硬件，其中，每个卷积引擎还被配置为：标识所请求的数据值中的零数据值，并且对于每个权重以及其相应的数据值，使得所述乘法逻辑仅在所述权重和所述数据值为非零时将所述数据值与其相应的权重组合。