[发明专利]用于机器学习的增强的存储器设备架构

权利要求书

1.一种存储器设备，所述存储器设备被配置为执行神经网络计算，所述设备包括：

易失性存储器；

非易失性存储器，所述非易失性存储器被配置为存储一个或多个神经网络层；和

控制器，所述控制器被配置为：

响应于从主机系统接收的至少一个数据传输命令，将数据存储在所述易失性存储器或所述非易失性存储器中的至少一者中，以及从所述易失性存储器或所述非易失性存储器中的至少一者检索数据；

通过将一个或多个神经网络层应用于从所述主机系统接收的输入数据，在所述非易失性存储器中执行神经网络计算；以及

将所述神经网络计算的结果存储在所述易失性存储器中以供所述主机系统检索。

2.根据权利要求1所述的设备，其中所述输入数据被存储在所述易失性存储器中。

3.根据权利要求1所述的设备，其中所述控制器被进一步配置为对多个神经网络执行神经网络计算并使用针对第一神经网络的神经网络计算的结果作为连续神经网络的输入数据。

4.根据权利要求3所述的设备，其中所述控制器被进一步配置为在将所述数据输入所述连续网络中之前对所述第一神经网络进行重新配置作为所述连续神经网络。

5.根据权利要求1所述的设备，其中所述控制器是所述存储器设备的唯一控制器。

6.根据权利要求1所述的设备，其中所述控制器被进一步配置为以异步方式向所述主机系统提供所述神经网络计算的所述结果。

7.根据权利要求6所述的设备，其中以异步方式提供所述结果包括对所述非易失性存储器中的存储器页面的状态进行轮询或发布中断中的至少一者。

8.根据权利要求7所述的设备，其中所述轮询包括对所述存储器页面的所述状态进行周期性轮询。

9.根据权利要求5所述的设备，其中所述神经网络计算的所述结果被配置以被同步检索。

10.根据权利要求1所述的设备，其中所述存储器设备被进一步配置为接收发起神经网络计算的请求，所述请求包括用于神经网络计算的神经网络配置参数和输入数据。

11.根据权利要求10所述的设备，其中发起神经网络计算的所述请求包括数据处理的类型，并且其中所述控制器被进一步配置为基于所述数据处理的类型来识别神经网络配置参数。

12.一种在存储器设备中执行神经网络计算的方法，所述方法包括：

由所述存储器设备的控制器：

响应于从主机系统接收的至少一个数据传输命令，将数据存储在所述易失性存储器或所述非易失性存储器中的至少一者中，以及从所述易失性存储器或所述非易失性存储器中的至少一者检索数据；

通过将一个或多个神经网络层应用于从所述主机系统接收的输入数据，在所述非易失性存储器中执行神经网络计算；以及

将所述神经网络计算的结果存储在所述易失性存储器中以供所述主机系统检索。

13.根据权利要求12所述的方法，还包括由所述控制器：在将所述数据输入所述神经网络之前设置所述数据的锁定状态，以及在使所述神经网络的所述输出可用之后设置所述数据的解锁状态，其中所述锁定状态阻止改变所述数据。

14.根据权利要求12所述的方法，还包括基于节点的数量或激活函数的类型中的至少一者来对被配置为对所述数据执行所述数据处理功能的所述神经网络进行配置。

15.根据权利要求12所述的方法，还包括通过在所述神经网络上发起反向传播将所述数据输入所述神经网络中，并且其中所述神经网络的输出包括对所述神经网络的一个或多个节点的调整权重。