[发明专利]一种卷积计算方法及卷积运算电路

说明书

本申请涉及一种卷积计算方法及卷积运算电路，属于光芯片技术领域。该方法应用于卷积运算电路，卷积运算电路包括：数字芯片、数模转换器、模数转换器和光子神经网络芯片，光子神经网络芯片中固化有用于卷积计算的卷积核；方法包括：数字芯片依次将待计算子矩阵中的数值通过数模转换器转换为光信号发送给光子神经网络芯片；光子神经网络芯片将预置的卷积核的权重与每个光信号进行线性转换，并将线性转换后的光信号通过模数转换器转换后输出。本申请实施例中，通过充分利用光子神经网络芯片能够实现矩阵乘法的特性，将光子神经网络芯片实现的矩阵乘法有机结合到卷积计算中来，以提高卷积运算的计算效率。

技术领域

本申请属于光芯片技术领域，具体涉及一种卷积计算方法及卷积运算电路。

背景技术

现有人工智能计算方面，主要是采用图形处理器（Graphics Processing Unit，GPU）、中央处理器（Central Processing Unit，CPU）、现场可编程门阵列(FieldProgrammable Gate Array，FPGA)或专用集成电路(Application Specific IntegratedCircuit，ASIC)等传统电子数字处理芯片或者器件来进行卷积计算。这些方式都是对数字信号进行处理，使用这些硬件结构实现的运算速度和电源效率仍受电子时钟速率和欧姆损耗的限制，使得以深度学习为主的计算算力遭遇到瓶颈。

鉴于某些特定的光子芯片（光学器件）能够实现矩阵乘法，由于光子神经网络芯片相较于传统电子数字处理芯片或者器件来说，在计算效率以及功耗方面有巨大优势。然而目前还没有如何利用该类光子芯片进行卷积运算的方法。

发明内容

鉴于此，本申请实施例在于提供一种卷积计算方法及卷积运算电路，以改善现有卷积计算方式存在的计算效率不高和功耗大的问题。

本申请的实施例是这样实现的：

第一方面，本申请实施例提供了一种卷积计算方法，应用于卷积运算电路，所述卷积运算电路包括：数字芯片、数模转换器、模数转换器和光子神经网络芯片，所述光子神经网络芯片中固化有用于卷积计算的卷积核；所述方法包括：所述数字芯片依次将待计算子矩阵中的数值通过所述数模转换器转换为光信号发送给所述光子神经网络芯片，其中，所述待计算子矩阵为根据所述卷积核的大小以及预设步长从待计算矩阵中提取出的子矩阵；所述光子神经网络芯片将预置的所述卷积核的权重与每个所述光信号进行线性转换，并将线性转换后的光信号通过所述模数转换器转换后输出。本申请实施例中，通过充分利用光子神经网络芯片能够实现矩阵乘法的特性，将光子神经网络芯片实现的矩阵乘法有机结合到卷积计算中来，利用光子神经网络芯片的高性能和高能效的矩阵计算能力来完成卷积计算中的线性计算部分，以提高卷积运算的速度和降低功耗，同时通过将用于卷积计算的卷积核固化在光子神经网络芯片中，使得在进行卷积计算时，无需将卷积核的权重转换成光信号输入至光子神经网络芯片中，可以提高卷积运算的效率。