[发明专利]由计算设备执行的方法、装置、设备和计算机可读存储介质

说明书

根据本公开的实施例，提供了一种由计算设备执行的配置向量运算的方法、装置、设备和存储介质。该方法包括获取指示至少一个可配置向量运算参数的信息，至少一个可配置向量运算参数的信息指示可配置向量运算参数的类型和取值；以及基于可配置向量运算参数的类型和取值，配置多个向量运算单元，以使得多个向量运算单元中的每一个向量运算单元能够执行根据可配置向量运算参数的类型和取值定义的、由两个或更多基本向量运算组成的目标向量运算。该方法能够使得计算支持复杂的向量运算的同时，实现了在单个硬件上运行多个向量运算格式，实现了向量运算格式的灵活设计。

技术领域

本公开的实施例主要涉及计算机领域，并且更具体地，涉及用于由计算设备执行的配置向量运算以及由计算设备执行的向量运算的方法、装置、设备和计算机可读存储介质。

背景技术

随着人工智能技术(Artificial Intelligence，AI)的发展，深度学习领域称为当前研究的热点。在深度学习的过程中，运用了大量的向量运算。虽然目前已经开发了一些针对深度学习的硬件，例如，图形处理器(GPU)或者是一些专用定制集成电路(ASIC)，这些硬件虽然支持了向量运算，但是所支持的向量运算在执行性能以及向量运算的灵活性方面都有待进一步提高。因此，如何提高实现向量运算的执行性能和灵活性，以满足深度学习技术的需求，是当前所需要解决的一个关键的问题。

发明内容

根据本公开的示例实施例，提供了一种由计算设备执行的配置向量运算的方案以及由计算设备执行的向量运算的方案。

在本公开的第一方面中，提供了一种由计算设备执行的配置向量运算的方法。该方法包括：获取指示至少一个可配置向量运算参数的信息，至少一个可配置向量运算参数的信息指示可配置向量运算参数的类型和取值；以及基于可配置向量运算参数的类型和取值，配置多个向量运算单元，以使得多个向量运算单元中的每一个向量运算单元能够执行根据可配置向量运算参数的类型和取值定义的、由两个或更多基本向量运算组成的目标向量运算。

在本公开的第二方面中，提供了一种由计算设备执行的向量运算的方法计算设备包括多个向量运算单元。该方法包括：获取待运算的向量数据；以及针对获取的向量数据，由多个向量运算单元执行向量运算以输出向量运算结果，其中向量运算是根据本公开第一方面的方法所配置的。

在本公开的第三方面中，提供了一种由计算设备执行的配置向量运算的装置。该装置包括：控制器，被配置为获取指示至少一个可配置向量运算参数的信息，至少一个可配置向量运算参数的信息指示可配置向量运算参数的类型和取值；以及计算单元，被配置为基于可配置向量运算参数的类型和取值，配置多个向量运算单元，以使得多个向量运算单元中的每一个向量运算单元能够执行根据可配置向量运算参数的类型和取值定义的、由两个或更多基本向量运算组成的目标向量运算。

在本公开的第四方面中，提供了一种由计算设备执行的向量运算的装置。该装置包括：包括多个向量运算单元计算单元，所述计算单元被配置为：获取待运算的向量数据；以及针对获取的向量数据，操作所述多个向量运算单元执行向量运算以输出向量运算结果，其中所述向量运算是根据本发明第一方面的方法所配置的。

在本公开的第五方面中，提供了一种电子设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一方面的方法。

在本公开的第六方面中，提供了一种计算设备可读存储介质，其上存储有计算设备程序，该程序被处理器执行时实现根据本公开的第一方面的方法。

在本公开的第七方面中，提供了一种电子设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第二方面的方法。

在本公开的第八方面中，提供了一种计算设备可读存储介质，其上存储有计算设备程序，该程序被处理器执行时实现根据本公开的第二方面的方法。