[发明专利]机器学习指令的转换方法及装置、板卡、主板、电子设备有效

专利信息
申请号: 202011570154.6 申请日: 2019-11-08
公开(公告)号: CN112667241B 公开(公告)日: 2023-09-29
发明(设计)人: 请求不公布姓名 申请(专利权)人: 安徽寒武纪信息科技有限公司
主分类号: G06F8/41 分类号: G06F8/41;G06N3/063
代理公司: 暂无信息 代理人: 暂无信息
地址: 231283 安徽省合肥市高新区习友路3333*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 机器 学习 指令 转换 方法 装置 板卡 主板 电子设备
【权利要求书】:

1.一种机器学习指令的转换方法,其特征在于,所述方法包括:

获取机器学习指令序列;

对所述机器学习指令序列进行划分,得到至少一个基本块,其中,所述基本块中包括至少一条机器学习指令;

根据窥孔优化算法对所述基本块中的机器学习指令进行指令转换,得到转换后的机器学习指令;

其中,所述根据窥孔优化算法对所述基本块中的机器学习指令进行指令转换,得到转换后的机器学习指令,包括:

获取连续排列数量超过n条的第一机器学习指令,其中,n为所述第一机器学习指令对应的指令发射队列的队列长度;

将与所述第一机器学习指令在同一个时间片中并行执行的第二机器学习指令提前,并将所述第二机器学习指令插入至第n条所述第一机器学习指令的后面,且所述第二机器学习指令的插入数量不超过所述第二机器学习指令对应的指令发射队列的队列长度。

2.根据权利要求1所述的方法,其特征在于,所述对所述机器学习指令序列进行划分,得到至少一个基本块,包括:

查找所述机器学习指令序列中的跳转指令;

根据所述跳转指令对所述机器学习指令序列进行划分,得到至少一个基本块。

3.根据权利要求1所述的方法,其特征在于,所述根据窥孔优化算法对所述基本块中的机器学习指令进行指令转换,得到转换后的机器学习指令,包括:

获取所述基本块中的可提前机器学习指令;

对所述可提前机器学习指令进行位置前移,并根据所述可提前机器学习指令前移后的位置,判断所述机器学习指令序列是否存在逻辑错误;

若所述机器学习指令序列存在逻辑错误,则停止对所述可提前机器学习指令进行位置前移,并将所述可提前机器学习指令放置于所述机器学习指令序列不存在逻辑错误所对应的任一前移后的位置。

4.根据权利要求3所述的方法,其特征在于,所述获取所述基本块中的可提前机器学习指令,包括:

将所述基本块中的机器学习指令与预设的可提前机器学习指令进行匹配,得到所述基本块中的可提前机器学习指令。

5.根据权利要求3所述的方法,其特征在于,对所述可提前机器学习指令进行位置前移,包括:

判断所述可提前机器学习指令前移后是否影响其他机器学习指令的执行;

若判定所述可提前机器学习指令前移后不会影响其他机器学习指令的执行,则对所述可提前机器学习指令进行位置前移。

6.根据权利要求1所述的方法,其特征在于,所述根据窥孔优化算法对所述基本块中的机器学习指令进行指令转换,得到转换后的机器学习指令,包括:

获取所述基本块中的存储指令,其中,所述存储指令用于对第一数据进行存储;

在所述存储指令后面继续查找加载所述第一数据的加载指令;

将所述存储指令和所述加载指令进行合并,得到合并后的移动指令。

7.根据权利要求1所述的方法,其特征在于,所述根据窥孔优化算法对所述基本块中的机器学习指令进行指令转换,得到转换后的机器学习指令,包括:

获取一个时间片内,同步指令的指令块之间的初始相对位置,其中,所述指令块包括至少一条机器学习指令;

调整所述指令块与其他机器学习指令之间的位置,获得所述同步指令的指令块之间的最终相对位置;

若所述最终相对位置小于所述初始相对位置,则根据所述最终相对位置确定所述同步指令的指令块调整后的最终位置。

8.根据权利要求1所述的方法,其特征在于,所述根据窥孔优化算法对所述基本块中的机器学习指令进行指令转换,得到转换后的机器学习指令,包括:

若在一个时间片内,存在先后的对同一段数据的多个乘法操作或激活操作,则将所述多个乘法操作或激活操作进行融合,得到融合后的机器学习指令。

9.一种板卡,其特征在于,所述板卡包括:机器学习处理器,所述机器学习处理器用于执行如权利要求1-8任一所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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安徽寒武纪信息科技有限公司,未经安徽寒武纪信息科技有限公司许可,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/202011570154.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top