[发明专利]一种基于光电计算阵列的反卷积运算加速器及其方法

说明书

本发明公开一种基于光电计算阵列的反卷积运算加速器及其方法。反卷积运算加速器包括：数据存储模块，用于数据的读写和传输；数据分发模块，用于将从数据存储模块中读取的权重矩阵变换顺序并按行展开成权重向量的形式传输给光电计算阵列，以及用于将从数据存储模块中读取的激活值数据拆分成单比特的形式并传输给光电计算阵列；光电计算阵列，用于对输入数据进行乘法运算；A/D转换模块，用于将光电计算阵列的计算结果由模拟信号转化为数字信号；累加器模块，用于对经A/D转换后的计算结果进行移位累加并输出计算结果；结果叠加模块，用于对累加器模块的计算结果中需要叠加的部分进行叠加，输出最终结果。本发明的加速器具有巨大的计算能效。

技术领域

本发明涉及反卷积运算加速器，尤其涉及一种基于光电计算阵列的反卷积运算加速器及其方法。

背景技术

生成对抗网络是基于深度学习的一种强大的生成模型。可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。所以快速地训练以及推断生成对抗网络成为越来越重要的课题。

相对于传统的卷积神经网络，生成对抗网络引入一种反卷积的操作。反卷积在计算时，输入激活值会插入很多0值，采用直接卷积计算方式会导致计算效率低下。而且由于传统器件对器件面积和器件功耗的限制，不能完全展开整个计算过程，导致传统器件的计算力很有限。

光电计算阵列和传统器件相比，在相同的器件面积下可以集成更为丰富的光电计算单元，并且器件的运算功耗很低，所以如果使用光电计算阵列来计算反卷积，一方面可以获得极大的计算力，提高运算吞吐率，另一方面能极大提高计算能效。

发明内容

本发明的目的在于克服传统器件反卷积计算能力的不足，提供一种高计算力、高计算能效的基于光电计算阵列的反卷积运算加速器。本发明的另外一个目的是提供该反卷积运算加速器的运算方法。

本发明装置采用的技术方案如下：

一种基于光电计算阵列的反卷积运算加速器，包括：数据存储模块，用于数据的读写和传输；数据分发模块，用于将从数据存储模块中读取的权重矩阵变换顺序并按行展开成权重向量的形式传输给光电计算阵列，以及用于将从数据存储模块中读取的激活值数据拆分成单比特的形式并传输给光电计算阵列；光电计算阵列，用于对输入数据进行乘法运算；A/D转换模块，用于将光电计算阵列的计算结果由模拟信号转化为数字信号；累加器模块，用于对经A/D转换后的计算结果进行移位累加，并输出计算结果；结果叠加模块，用于对累加器模块的计算结果中需要叠加的部分进行叠加，输出最终结果。

进一步地，所述光电计算阵列由多个光电计算单元周期性排列组成，每个光电计算单元包括发光单元和计算单元，发光单元发出的光入射到计算单元中；每个计算单元包括载流子控制区、耦合区、以及光生载流子收集区和读出区；所述载流子控制区用于控制并调制光生载流子收集区和读出区内的载流子；所述光生载流子收集区和读出区中的收集区用于吸收发光单元发射的光子并收集产生的光生载流子；所述载流子控制区或者光生载流子收集区和读出区中的读出区与电信号连接，读出区用于输出被所述光生载流子和所述电信号作用后的载流子；所述耦合区连接收集区和读出区。

本发明一种基于光电计算阵列的反卷积运算加速器的运算方法，包括如下步骤：

所述数据分发模块一方面从数据存储模块中读取权重矩阵，并将权重矩阵按照中心对称的方式进行上下左右对称变换顺序后，按行展开成权重向量的形式发送给光电计算阵列；另一方面将从数据存储模块中读取的每一个激活值数据按二进制拆分成单比特的形式，然后将拆分后的多个单比特数据依次发送给光电计算阵列；