[发明专利]实现卷积运算的电路及其方法

说明书

本发明提供了一种实现卷积运算的电路，包括编码模块、数模转换模块、存储器阵列、参考阵列、调整模块、符号列处理模块和计算模块；编码模块用于获取符号位和权重编码；数模转换模块用于将输入数字信号转换为电压信号；存储器阵列用于映射所述权重编码并输出第一电流信号；调整模块用于依据所述第一电流信号获取所述第一电流信号；符号列处理模块用于获取符号列，并输出符号列输出值；计算模块用于获取卷积输出值。本发明所提供的实现卷积运算的电路节省了存储器的数量，降低了卷积运算的繁琐度，提高了卷积运算效率和准确性。本发明还提供了一种实现卷积运算的方法。

技术领域

本发明涉及数字电路和模拟电路领域，尤其涉及一种实现卷积运算的电路及其方法。

背景技术

通过阻变式存储器(Resistive Random Access Memory，RRAM)电路来实现卷积神经网络，需要对神经网络的输入、权重(weight)进行量化处理。RRAM电路的输入一般为正数，其上一层为激活函数，可以先量化为正整数，再经过数模转换器转变为电压作为电路的输入。weight一般有正有负，映射到RRAM电导率的方法一般有以下几种：其一，采用非对称量化算法，将weight量化为正整数后直接映射为RRAM电导率，该方法需要增加额外的电路来处理移位因子，增加了电路复杂性；其二，采用对称量化算法，将weight量化为整数(有正有负)，使用RRAM对的方法来表示正负值，该方法需要较多数量的存储器，增加了电路复杂度及电路成本。

因此，有必要提供一种实现卷积运算的电路及其方法以解决上述的现有技术中存在的问题。

发明内容

本发明的目的在于一种实现卷积运算的电路及其方法，以解决实现卷积神经网络运算的电路需要较多的存储器的问题。

为实现上述目的，本发明的所述实现卷积运算的电路，包括编码模块、数模转换模块、存储器阵列、调整模块、符号列处理模块和计算模块；

所述编码模块用于依据量化后的权重信号的范围获取符号位，并对所述量化后的权重信号进行编码以得到权重编码；

所述数模转换模块用于将外部输入的数字信号转换为电压信号，并将所述电压信号传输至所述存储器阵列，以作为所述存储器阵列的输入；

所述存储器阵列用于映射所述权重编码，并在接收所述电压信号后，所述存储器阵列的每一列均输出第一电流信号；

所述调整模块用于依据所述第一电流信号获取第一输出信号；

所述符号列处理模块用于依据所述符号位获取符号列，所述符号列为所述存储器阵列中符号位所在的列，并依据所述符号列和所述第一输出信号输出符号列输出值；

所述计算模块用于依据所述符号列输出值和第一输出信号获取卷积输出值。

本发明的所述实现卷积运算的电路的有益效果在于：

通过所述编码模块对量化后的权重信号进行编码以得到权重编码，并获取符号位；通过所述调整模块获取第一输出信号，通过所述符号列处理模块获取符号列，并依据所述符号列和所述第一输出信号输出符号列输出值，从而使得所述存储器阵列既可以映射正整数权重，也可以映射负整数权重，从而不需使用阻变式存储器对的方法来表示权重的正负值，节省了存储器的数量，解决了实现卷积神经网络运算的电路需要较多的阻变式存储器的问题，降低了卷积运算的繁琐度，提高了卷积运算效率和准确性。

可选地，所述存储器阵列包括若干卷积核映射单元，每个所述卷积核映射单元映射一个所述权重编码，每个卷积核映射单元中包括一个所述符号列和若干非符号列，所述符号列和若干非符号列分别输出所述第一电流信号。