[发明专利]自定义浮点数及其计算方法和硬件结构

权利要求书

1.一种自定义浮点数，其特征在于，主要由整数部分和共享指数组成，整数部分主要由1位符号位和Z-1位尾数位组成，Z表示整数部分的位数，共享指数是8位，共享指数的位宽和单精度浮点数相同。

2.根据权利要求1所述的自定义浮点数，其特征在于，由整数部分和共享指数组成，整数部分由1位符号位和Z-1位尾数位组成；

当将原始数据从单精度浮点格式量化为自定义浮点数时，使用共享指数，所述共享指数来自原始数据的绝对最大值，如下式表示：

E_s＝E_max-(Z-2)

其中，F表示原始数据的单精度浮点数据集，f表示原始数据的单精度浮点数据集中的一个单精度浮点数据，E表示指数，E_max表示原始数据的单精度浮点数据集F中的绝对最大值的指数；Z表示整数部分I的位数，共享指数E_S的值由E_max和Z计算得到。

3.一种利用权利要求1所述的自定义浮点数的计算方法，其特征在于，采用整数的乘法运算来代替原有的32位浮点数乘法运算，其中，乘法运算是将两个n-bit自定义浮动点值相乘，以产生具有2(n-1)bits尾数、1bit符号和更新共享指数，如下式表示：

M_C＝M_A×M_B

E_S,C＝E_S,A+E_S,B

其中，S_A、S_B、S_C分别表示数据A、B、C的符号位，M_A、M_B、M_C为数据A、B、C尾数位，E_S,A、E_S,B、E_S，C表示A、B、C对应的共享指数。

4.根据权利要求3所述的自定义浮点数的计算方法，其特征在于，采用整数加法运算来代替原有的32位浮点数加法运算，其中，加法运算如下式表示：

E_S,C＝E_S,A＝E_S,B

i_C＝i_A+i_B

其中，E_S,A、E_S,B、E_S，C分别表示A、B、C对应的共享指数；i_A、i_B、i_C分别表示A、B、C对应的整数部分。

5.根据权利要求3所述的自定义浮点数的计算方法，其特征在于，在卷积神经网络中的量化中，每个层的输出使用一个R和E_S来把每层输出量化为8位的自定义浮点数，如下式表示：

i_C＝i＞＞R,E_S,C＝E_S+R

其中，R表示整数部分I右移的位数；Acc表示累加器的位宽，LZC()是返回前导零位计数的函数；i表示原数据集的整数部分；i_C表示量化后的标准自定义浮点数的整数部分；I表示整数部分；Z表示整数部分I的位数；E_S，C表示C对应的共享指数；E_S表示共享指数。

6.一种实现权利要求1所述的自定义浮点数的硬件结构，其特征在于，在一个DSP片上封装两个尾数部分的乘法运算。

7.根据权利要求6所述的自定义浮点数的硬件结构，其特征在于，在DSP片上通过预加法器进行累加移位。