[发明专利]一种计算装置及相关产品

权利要求书

1.一种计算装置，其特征在于，所述计算装置用于执行机器学习计算，所述计算装置包括：负载均衡单元、运算单元以及控制器单元；

所述控制器单元，用于获取针对第一输入数据的剪枝请求，并根据所述剪枝请求指示所述负载均衡单元对所述第一输入数据进行剪枝；其中，所述第一输入数据包括第一权值数据；

所述负载均衡单元，用于将所述第一权值数据调整为第二权值数据；

所述控制器单元，还用于获取第二输入数据以及计算指令；所述第二输入数据包括所述第二权值数据以及输入神经元数据；

所述控制器单元，还用于解析该计算指令得到多个运算指令，将所述多个运算指令以及所述第二输入数据发送给运算单元；

所述运算单元，用于获取所述运算指令，并根据所述运算指令以及所述第二输入数据执行神经网络计算。

2.根据权利要求1所述的计算装置，其特征在于，所述负载均衡单元包括：分组单元、计算阈值单元以及剪枝单元；

其中，所述分组单元，用于对所述第一权值数据进行分组，得到M组权值；其中，M为大于0的正整数；

所述计算阈值单元，用于根据预设的稀疏度P确定所述M组权值中每组权值的阈值；

所述剪枝单元，用于根据确定好的所述阈值对M组权值中的每组权值进行剪枝，得到第二权值数据。

3.根据权利要求2所述的计算装置，其特征在于，所述计算装置用于执行全连接层神经网络计算；所述计算阈值单元，用于根据预设的稀疏度P确定所述M组权值中每组权值的阈值，包括：

所述计算阈值单元，具体用于确定所述M组权值中的第i组权值中第Q个权值为每组权值的阈值，其中，N_in为输入神经元的个数，N_out为输出神经元的个数，所述第i组中的权值按绝对值从小到大顺序排列，所述i为小于等于M的正整数。

4.根据权利要求3所述的计算装置，其特征在于，所述Q为经过取整计算得到的。

5.根据权利要求2所述的计算装置，其特征在于，所述计算装置用于执行卷积层神经网络计算；所述计算阈值单元，用于根据预设的稀疏度P确定所述M组权值中每组权值的阈值，包括：

所述计算阈值单元，具体用于确定所述M组权值中的第i组权值中第R个权值为每组权值的阈值，其中，N_fin为输入特征图像的数量，N_fout为输出特征图像的数量，K_x以及K_y为卷积层神经网络中卷积核的大小，所述第i组中的权值按绝对值从小到大顺序排列，所述i为小于等于M的正整数。

6.根据权利要求2所述的计算装置，其特征在于，所述计算装置用于执行LSTM层神经网络计算，所述LSTM层包括N个全连接层，所述N为大于0的正整数；所述计算阈值单元，用于根据预设的稀疏度P确定所述M组权值中每组权值的阈值，包括：

所述计算阈值单元，具体用于确定第j个全连接层的第i组权值中第S个权值为每组权值的阈值，其中，N_{in_j}为第j个全连接层输入神经元的个数，N_{out_j}为第j个全连接层输出神经元的个数，所述第i组中的权值按绝对值从小到大顺序排列，所述i为小于等于M的正整数，所述j为小于等于N的正整数。

7.根据权利要求2所述的计算装置，其特征在于，所述剪枝单元，用于根据确定好的所述阈值对M组权值中的每组权值进行剪枝，得到第二权值数据，包括：

所述剪枝单元，具体用于对第i组(i＝0,1，……，M)权值中小于所述确定好的阈值的权值进行剪枝，得到所述第二权值数据。