[发明专利]一种存内计算加速器及其优化方法在审
| 申请号： | 202011406904.6 | 申请日： | 2020-12-04 |
| 公开（公告）号： | CN112529171A | 公开（公告）日： | 2021-03-19 |
| 发明（设计）人： | 陈瑞;杨永魁;王峥;郭伟钰;辛锦瀚;喻之斌 | 申请（专利权）人： | 中国科学院深圳先进技术研究院 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063;G06N3/04 |
| 代理公司： | 北京市诚辉律师事务所 11430 | 代理人： | 范盈 |
| 地址： | 518055 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 计算 加速器 及其 优化 方法 | ||
1.一种存内计算加速器，包括多个处理单元，其特征在于，所述处理单元包括：
多个阵列分布的存储单元，每列存储单元的输出端口对应设置有ADC，所述ADC为分辨率可配置的ADC；
多个分辨率控制模块；所述分辨率控制模块用于控制对应的所述ADC的分辨率。
2.根据权利要求1所述的存内计算加速器，其特征在于，还包括对应设置在每行存储单元的输入端口的DAC，所述DAC为分辨率可配置的DAC；所述分辨率控制模块用于控制对应的所述DAC的分辨率。
3.一种权利要求1或2所述的存内计算加速器的优化方法，其特征在于，包括：
训练、量化神经网络模型；
在神经网络模型部署过程中，确定整个神经网络的稀疏程度；
根据各层神经网络的稀疏程度，计算各处理单元中ADC的最优化分辨率；
动态调整各处理单元中ADC的分辨率至最优化分辨率。
4.根据权利要求3所述的优化方法，其特征在于，所述步骤根据各层神经网络的稀疏程度，计算各处理单元中ADC的最优化分辨率包括：
根据公式(1)计算各处理单元中ADC的最优化分辨率；
其中，RowNum是每个处理单元中的存储单元阵列中的行数；
W是权重；
Density是神经网络各层的权重密度；
将计算得到的各处理单元中ADC的最优化分辨率存储到对应的处理单元的分辨率控制模块中。
5.根据权利要求3或4所述的优化方法，其特征在于，
所述步骤动态调整各处理单元中ADC的分辨率至最优化分辨率之后，还包括：
根据各层神经网络的输入激励的精度，计算各处理单元中DAC的最优化分辨率；
动态调整各处理单元中DAC的分辨率至最优化DAC分辨率。
6.根据权利要求5所述的优化方法，其特征在于，所述步骤根据各层神经网络的输入激励的精度，计算各处理单元中DAC的最优化分辨率包括：
根据公式(2)计算各处理单元中DAC的最优化分辨率；
DAC最优分辨率＝输入激励精度+1公式(2)
将计算得到的各处理单元中DAC的最优化分辨率存储到对应的处理单元的分辨率控制模块中。
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中国科学院深圳先进技术研究院，未经中国科学院深圳先进技术研究院许可，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/202011406904.6/1.html，转载请声明来源钻瓜专利网。
