[发明专利]基于幂次权重量化的神经网络前向运算硬件结构在审
| 申请号： | 201610388694.X | 申请日： | 2016-06-02 |
| 公开（公告）号： | CN106066783A | 公开（公告）日： | 2016-11-02 |
| 发明（设计）人： | 汪玉;唐天琪;费旭东;杨华中 | 申请（专利权）人： | 华为技术有限公司;清华大学 |
| 主分类号： | G06F7/523 | 分类号： | G06F7/523 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张大威 |
| 地址： | 518129 广东*** | 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： | 本发明提出一种基于幂次权重量化的神经网络前向运算硬件结构，包括：输入缓存模块，输入缓存模块用于缓存从全局存储器中搬运到片上的输入数据和神经网络幂次权重，其中，神经网络幂次权重包括卷积核和全连接矩阵；计算模块，计算模块用于进行基于幂次权重量化的卷积和全连接矩阵向量乘运算；输出缓存模块，输出缓存模块用于缓存计算模块得到的卷积或全连接矩阵向量乘的运算结果；以及控制模块，控制模块用于对输入缓存模块、运算模块和输出缓存模块进行数据搬运和运算资源调度。本发明在有效降低神经网络的存储量的同时，可以有效地降低神经网络运算开销，能够显著提升了神经网络计算系统在终端设备上的应用空间。 | ||
| 搜索关键词： | 基于 权重 量化 神经网络 运算 硬件 结构 | ||
【主权项】：
一种基于幂次权重量化的神经网络前向运算硬件结构，其特征在于，包括：输入缓存模块，所述输入缓存模块用于缓存从全局存储器中搬运到片上的输入数据和神经网络幂次权重，其中，神经网络幂次权重包括卷积核和全连接矩阵；计算模块，所述计算模块用于进行基于幂次权重量化的卷积和全连接矩阵向量乘运算；输出缓存模块，所述输出缓存模块用于缓存所述计算模块得到的卷积或全连接矩阵向量乘的运算结果；以及控制模块，所述控制模块用于对所述输入缓存模块、运算模块和输出缓存模块进行数据搬运和运算资源调度。
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华为技术有限公司;清华大学，未经华为技术有限公司;清华大学许可，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/patent/201610388694.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种数据处理方法及电子设备
- 下一篇：用于实现伽罗华域约简的电路和方法
