[发明专利]神经网络计算装置和数据读取、数据存储方法及相关设备

说明书

本申请实施例提供一种神经网络计算装置和数据读取、数据存储方法及相关设备，其中，所述神经网络计算装置包括系统控制模块、计算模块、总线控制接口模块和内部存储模块，所述系统控制模块与所述计算模块通信连接，所述总线控制接口模块分别与所述计算模块和所述内部存储模块通信连接，所述神经网络计算装置通过所述总线控制接口模块与外部存储模块通信连接，所述内部存储模块存储有第一源图像像素点数据，所述外部存储模块存储有第二源图像像素点数据，所述第一源图像像素点数据和所述第二源图像像素点数据组成一张源图像的像素点数据，将源图像像素点数据分块存储在内部存储模块和外部存储模块，能够高效地读取像素点数据，提高计算效率。

技术领域

本申请涉及神经网络技术领域，尤其涉及一种神经网络计算装置和数据读取、数据存储方法及相关设备。

背景技术

普通的卷积神经网络(Convolutional Neural Network，CNN)能够显式的学习平移不变性，以及隐式的学习旋转不变性，但注意力模型(attention model)表明，与其让网络隐式的学习到某种能力，不如为网络设计一个显式的处理模块，专门处理以上的各种变换。因此，深度思考(DeepMind)就设计了空间变换网络(Spatial Transform Network，STN)来实现各种变换，STN实现各种变换的过程包括参数预测、坐标映射和像素采样。经过STN变换得到的目标图像像素点坐标是规律的，例如一个宽度为w，高度为h的目标图像，像素点可以从(0，0)一直到(w-1，h-1)，而根据目标图像像素点坐标通过坐标映射计算出来的源图像像素点坐标点是随机的。由于现有技术将源图像像素点数据存储在外部，在像素采样时，空间变换网络计算装置需要频繁去外部的双倍速率同步动态随机存储器(DDR)或随机存取存储器(RAM)中读取源图像的像素点数据，从而导致计算效率低下。

发明内容

本申请实施例公开了一种神经网络计算装置和数据读取、数据存储方法及相关设备，通过将源图像像素点数据分块存储在内部存储模块和外部存储模块，在计算过程中能够高效地从存储器中读取像素点数据，从而提高计算效率。

本申请实施例第一方面公开了一种神经网络计算装置，所述神经网络计算装置包括系统控制模块、计算模块、总线控制接口模块和内部存储模块，所述系统控制模块与所述计算模块通信连接，所述总线控制接口模块分别与所述计算模块和所述内部存储模块通信连接，所述神经网络计算装置通过所述总线控制接口模块与外部存储模块通信连接；

所述内部存储模块存储有第一源图像像素点数据，所述外部存储模块存储有第二源图像像素点数据，所述第一源图像像素点数据和所述第二源图像像素点数据组成一张源图像的像素点数据；

所述系统控制模块，用于向所述计算模块发送计算启动信号，所述计算启动信号包括目标图像像素点坐标和变换参数；

所述计算模块，用于根据所述目标图像像素点坐标和所述变换参数计算得到第三源图像像素点数据的存储地址信息，以及向所述总线控制接口模块发送所述存储地址信息；

所述总线控制接口模块，用于根据所述存储地址信息从所述内部存储模块和/或所述外部存储模块中读取所述第三源图像像素点数据，以及向所述计算模块发送所述第三源图像像素点数据；

所述计算模块，还用于根据所述第三源图像像素点数据计算得到目标图像像素点数据。

本申请实施例第二方面公开了一种数据读取方法，应用于神经网络计算装置，所述神经网络计算装置包括内部存储模块，所述神经网络计算装置与一外部存储模块通信连接，所述内部存储模块存储有第一源图像像素点数据，所述外部存储模块存储有第二源图像像素点数据，所述第一源图像像素点数据和所述第二源图像像素点数据组成一张源图像的像素点数据，所述方法包括：

确定源图像像素点坐标；

若所述源图像像素点坐标的纵坐标不大于预设阈值，则根据所述源图像像素点坐标从所述内部存储模块中读取第三源图像像素点数据；