[发明专利]基于posit数据格式的浮点数乘法运算电路有效
申请号: | 202010138191.3 | 申请日: | 2020-03-03 |
公开(公告)号: | CN111290732B | 公开(公告)日: | 2023-03-14 |
发明(设计)人: | 王中风;徐铭阳;方超;林军 | 申请(专利权)人: | 南京大学 |
主分类号: | G06F7/487 | 分类号: | G06F7/487;G06F7/485;G06F7/575 |
代理公司: | 北京弘权知识产权代理有限公司 11363 | 代理人: | 逯长明;许伟群 |
地址: | 210023 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 posit 数据格式 浮点 乘法 运算 电路 | ||
本申请提供了一种基于posit数据格式的浮点数的乘法运算电路。该电路包括数据输入单元101、第一解码器102、第二解码器103、乘法器104、MSB单元105、加法器106、编码器107和多路选择器108,通过电路中各元件的协同,实现基于posit数据格式的浮点数的乘法运算。本申请实施例中,采用posit数据格式进行乘法运算,则可以在0附近保证精度的同时,又可以很大程度的减少数据位宽,从而减少神经网络的训练时间,也降低了对于存储,位宽等资源的需求。
技术领域
本申请涉及数据处理技术领域,特别涉及一种基于posit数据格式的浮点数乘法运算电路。
背景技术
随着大数据时代的到来,人工神经网络技术得到飞速发展。人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统,试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。
人工神经网络的重点在于数据处理,即对浮点数进行运算、分析,从而建立神经网络模型。目前通常采用IEEE 754规范的规格化单精度浮点数格式(简称为IEEE 754数据格式)的浮点数执行数据处理的过程。这种数据格式的浮点数可以表示一个很大范围的数值,同时也能满足神经网络训练的要求。虽然上述IEEE 754数据格式的浮点数在精度上能够满足神经网络训练的要求,但是由于其位宽较长,在处理这种数据时需要耗费一定的时间并且消耗一定的资源,进而影响神经网络的训练速度,使神经网络训练的效率降低。
如果能够将posit数据格式的浮点数直接用于执行人工神经网络的数据处理过程,将大大减少所占用的资源,进而能够加快神经网络的训练速度。但是,目前还没有基于posit数据格式的浮点数的乘法运算电路。
发明内容
本申请提供了一种基于posit数据格式的浮点数的乘法运算电路,可用于实现基于posit数据格式的浮点数乘法运算。
本申请实施例提供一种基于posit数据格式的浮点数乘法运算电路,所述电路包括:
数据输入单元101,用于输入posit数据格式的第一浮点数和posit数据格式的第二浮点数;
第一解码器102,用于对所述第一浮点数进行分析,确定所述第一浮点数中第一指数段的值和第一尾数段的值;
第二解码器103,用于对所述第二浮点数进行分析,确定所述第二浮点数中第二指数段的值和第二尾数段的值;
乘法器104,用于接收所述第一尾数段的值和所述第二尾数段的值,以及将所述第一尾数段的值和所述第二尾数段的值相乘,得到第一运算结果;
MSB单元(105),用于确定第一运算结果的最高位,以及将所述第一运算结果的最高位输出至加法器(106);
所述加法器106,用于接收所述第一运算结果的最高位,以及接收所述第一指数段的值和所述第二指数段的值,根据所述第一运算结果的最高位、所述第一指数段的值和所述第二指数段的值,得到第二运算结果;
编码器107,用于接收所述第一运算结果和所述第二运算结果,以及根据所述第一运算结果和所述第二运算结果,得到目标运算结果;
多路选择器108,用于接收所述目标运算结果,并输出。
在一种可能的实现方式中,还包括:
判断单元109,用于判断所述第一浮点数和所述第二浮点数中的任一浮点数是否为0,如果所述第一浮点数和所述第二浮点数中的任一浮点数为0,则将0输入多路选择器108;
所述多路选择器108,还用于在接收到所述判断单元109输入的0后,输出0。
在一种可能的实现方式中,还包括:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京大学,未经南京大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010138191.3/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种文献管理用的上胶装订装置
- 下一篇:一种太赫兹能量探测器、探测系统及应用