[发明专利]深度视觉处理器

说明书

本文中公开一种用于深度学习的处理器。在一个实施例中，该处理器包括：加载与储存单元，其被配置为加载且储存图像像素数据和样板数据；寄存器单元，其实现一分库式寄存器文件，该寄存器单元被配置为：从该加载与储存单元加载且储存该图像像素数据的一子集，且同时提供对储存于该分库式寄存器文件的一寄存器文件项目中的图像像素值的存取，其中该图像像素数据的该子集包括储存于该寄存器文件项目中的该图像像素值；以及多个算术逻辑单元，其被配置为同时对储存于该寄存器文件项目中的该图像像素值和样板数据中对应的样板数据执行一个或更多个操作。

相关申请的交叉引用

本申请要求于2017年7月5日提出、标题为“DEEP VISION PROCESSOR”的第62/528,796号美国临时申请的优先权的权益，该美国临时申请通过引用以其整体并入本文中。

版权声明

此专利文档的公开内容的一部分含有受版权保护的材料。如在专利商标局专利文件或记录中出现，版权所有者不反对任何人对本专利文档或专利公开内容进行拓制，但无论如何将以其他方式保留所有版权。

领域

本公开涉及可编程处理器，且特别涉及可执行一种或更多种神经网络(neuralnetwork)技术(例如，深度学习技术)和计算机视觉技术(例如，传统计算机视觉技术)的较低能量的可编程处理器。

背景

依赖于深度学习的计算机视觉技术(诸如基于卷积神经网络(CNN)的计算机视觉技术)可以以可靠且稳健方式完成复杂任务。举例而言，汽车行业在自动驾驶车辆中且在安全特征(诸如汽车中的障碍检测和撞击避免系统)中部署高级计算机视觉芯片集。在制造和仓储部门中，实施神经网络和深度学习技术以开发执行类人类任务的适应性机器人。在安全和监督应用中，具有神经网络和深度学习能力的嵌入式装置依据大量数据进行实时图像分析。在移动和娱乐装置中，深度学习达成“智能”图像和视频捕获及搜寻，以及基于虚拟现实的内容的递送。

在嵌入式装置中广泛采用神经网络和深度学习的一个障碍是神经网络和深度学习算法的极其高的计算成本。某些计算机视觉产品使用可编程的通用图形处理单元(GPU)。这些芯片可能是电力消耗性的，然而电池操作的嵌入式装置可被设计用于低电力的高效操作。甚至并非电池操作的装置(例如，可插入壁式插座中的装置)及以太网供电(POE)装置(诸如家用安全摄影机系统)也可(举例而言)由于热管理要求(诸如一装置可具有的热耗散量)而被设计用于低电力的高效操作。某些计算机视觉产品使用依赖于固定功能加速器的专门芯片，该固定功能加速器即使未必是电力消耗性的，也缺乏弹性和可编程性。

概述

下文的随附附图和实施方式中阐明了本说明书中所描述的主题的一个或更多个实施方案的细节。依据说明书、附图和权利要求将明了其他特征、方面及优点。此概述和以下详细描述皆不意欲定义或限制本公开的主题的范围。

在本文中公开一种用于深度学习的处理器。在一个实施例中，该处理器包括：加载与储存单元，其被配置为加载且储存图像像素数据及样板数据(stencil data)；寄存器单元，其实现分库式(banked)寄存器文件，被配置为：从该加载与储存单元加载且储存该图像像素数据的子集；且同时提供对储存于该分库式寄存器文件的寄存器文件项目(entry)中的图像像素值的存取，其中该图像像素数据的子集包括储存于该寄存器文件项目中的图像像素值；互连单元，其与该寄存器单元和多个算术逻辑单元通信，该互连单元被配置为：提供储存于该寄存器文件项目中的图像像素值；且提供与储存于该寄存器文件项目中的图像像素值对应的样板数据；以及该多个算术逻辑单元，其被配置为同时对来自该互连单元的储存于该寄存器文件项目中的图像像素值和与储存于该寄存器文件项目中的图像像素值对应的样板数据执行一个或更多个操作。

附图简单说明

在所有附图中，可重复使用参考符号来指示参考元素之间的对应性。提供附图以图解说明本文中所描述的实例性实施例且不意欲限制本公开的范围。