[发明专利]一种面向RRAM存内计算系统阵列结构优化的方法

权利要求书

1.一种面向RRAM存内计算系统阵列结构优化的方法，其特征在于,包括如下步骤：

步骤一，将图像数据和神经网络权重数据进行后训练量化，经过量化公式计算得到图像量化数据X_Q、图像数据零点偏移量X_Z、权重量化数据W_Q以及权重零点偏移量W_Z，X_Z和W_Z经量化后固定不变，软件计算出X_ZW_Z值；

步骤二，神经网络前向传播的有符号数计算公式为：将其展开得到：，利用加法器、乘法器和RRAM阵列电路分别计算正整数项X_QW_Z、X_ZW_Q与X_QW_Q，最后结合步骤一计算出的X_ZW_Z代入上述展开公式计算出Y值；通过这种拆分计算的方法让RRAM阵列存储计算正整数，规避直接计算有符号数带来的RRAM器件资源耗费过多的问题；RRAM采用只有高低阻态两种稳定状态的器件，与NMOS管构成1T1R结构，进而搭建1T1R纵横交叉阵列；一行n个1T1R结构组成一个n bits权重值，采集输出电流时做对应的移位加权得到计算结果；权重数据W_Q通过外围数字逻辑电路控制逐行写入1T1R阵列存储，然后将量化参数X_Z转化为读取电压信号输入给1T1R阵列，采集输出电流，量化和移位加权后得到计算结果X_ZW_Q；通过数字控制电路调度，依次从缓存器buffer中取对应的图像数据进行相加再乘以对应的W_Z得到X_QW_Z；与此同时，将图像数据转化为电压信号从1T1R阵列行首输入，读取列末端输出电流，经量化、移位加权后得到X_QW_Q；

步骤三，将Y值计算结果存入缓冲器中，进行后续的激活函数和量化其余操作，处理完毕后得到完整的特征图数据作为下一层网络的输入。

2. 根据权利要求1所述的一种面向RRAM存内计算系统阵列结构优化的方法，其特征在于：所述步骤一中量化公式为：，其中R为原始数据值，Q为量化后的数据值，S为比例因子scale，表示原始数据和量化数据的比例关系，Z为零点偏移，表示原始数据中的0量化后对应的整数；

设定量化精度为n位，并随机抽取部分测试集数据，根据下面公式计算各层网络中的量化比例因子S和零点偏移Z，然后代入上式求得量化后的数据值；

比例因子S计算公式为： ，零点偏移Z计算公式为：；

其中，R_max和R_min、Q_max和Q_min分别为原始数据值以及量化后的数据值的最大最小值，且Q_max和Q_min由量化精度n来确定，R_max和R_min由随机抽取的部分样本数据确定。