[发明专利]计算装置、处理器、电子设备和计算方法

说明书

本发明提供了一种计算装置、处理器、电子设备和计算方法，其中，计算装置包括：逻辑运算单元、匹配单元和存储单元；所述匹配单元将接收的三值形式的计算元素匹配为二值形式的计算元素输出给所述逻辑运算单元；所述逻辑运算单元包括与或非门运算单元，所述与或非门运算单元对接收的二值形式的计算元素执行与或非逻辑运算，获得二值形式的计算结果，其中，所述计算元素包括特征值和对应的权重值；所述存储单元将完成运算的所述二值形式的计算结果转换为三值形式的计算结果并存储。本发明可以实现同时处理二值神经网络和三值神经网路。

技术领域

本发明涉及神经网络技术，尤其是一种计算装置、处理器、电子设备和计算方法。

背景技术

深度学习技术在近几年得到了飞速发展。深度神经网络，尤其是卷积神经网络，在图像识别、语音识别、自然语言理解、天气预测、基因表达、内容推荐和智能机器人等领域得到了广泛的应用。

深度神经网络是一种应用于深度学习的运算模型，在深度神经网络中包含大量的数据节点，每个数据节点与其他数据节点相连，各个数据节点之间的连接关系用权重表示。伴随神经网络复杂度的不断提高，神经网络技术在实际应用过程中存在占用资源多、运算速度慢、能量消耗大等问题也逐渐凸显，因此神经网络技术在嵌入式设备或低开销数据中心等领域应用时存在严重的能效问题和运算速度瓶颈。针对这些问题，人们提出一种二值神经网络和三值经网络，通过减少数据位宽的来降低参数的容量，提高网络的运算速度。

然而，现有的二值神经网络处理器和三值神经网络处理器只能运算单独的一种神经网络，可扩展性较差。

发明内容

本发明实施例所要解决的一个技术问题是：提供计算装置、处理器、电子设备和计算方法，以通过复用大多部分计算单元，实现同时处理二值神经网络和三值神经网路。

根据本发明的第一方面，提供了一种计算装置，包括逻辑运算单元、匹配单元和存储单元；所述匹配单元将接收的三值形式的计算元素匹配为二值形式的计算元素输出给所述逻辑运算单元；所述逻辑运算单元包括与或非门运算单元，所述与或非门运算单元对接收的二值形式的计算元素执行与或非逻辑运算，获得二值形式的计算结果，其中，所述计算元素包括特征值和对应的权重值；所述存储单元将完成运算的所述二值形式的计算结果转换为三值形式的计算结果并存储。

在一个实施例中，所述匹配单元包括：

第一匹配单元，用于将接收的三值形式的计算元素中的特征值匹配为二值形式的计算元素中的特征值输出给所述逻辑运算单元；

第二匹配单元，用于将接收的三值形式的计算元素中的权重值匹配为二值形式的计算元素中的权重值输出给所述逻辑运算单元。

在一个实施例中，所述第一匹配单元和/或所述第二匹配单元，

在一个实施例中，所述第一匹配单元和/或所述第二匹配单元，包括：

比较器，用于对接收的三值形式的计算元素中的数据位进行判断，保留数据位非零的三值形式的计算元素中的符号位；

反相器，用于对所述保留的三值形式的计算元素中的符号位执行取反操作，得到与其匹配的二值形式的计算元素输出给所述逻辑运算单元。

在一个实施例中，所述与或非门运算单元为多个，多个所述与或非门运算单元并联连接；

所述计算装置还包括缓存单元，所述缓存单元保存接收的所述二值形式的计算元素，并在保存的所述二值形式的计算元素的数量与所述逻辑运算单元中并联的与或非门运算单元的数量相同时，将保存的所述二值形式的计算元素输出给所述逻辑运算单元执行相关运算。

在一个实施例中，还包括加法器，用于对接收的所述逻辑运算单元的运算结果执行加法运算。

在一个实施例中，还包括累加器，用于对接收的所述加法器的运算结果执行累加操作。