[发明专利]一种低位宽卷积神经网络可重构计算单元

摘要

本发明公开了一种低位宽卷积神经网络可重构计算单元。该单元包括：若干个可重构移位累加模块、多路选通器和量化处理模块；可重构移位累加模块包括控制器、第一寄存器、第二寄存器、第三寄存器和移位累加器；本发明利用网络离散性构建控制器、第一寄存器、第二寄存器、第三寄存器和移位累加器，其通过控制器判断当前周期的定点数数据和指数权重是否为零值，一旦检测当前周期的定点数数据和指数权重为零，则根据第一寄存器发出的第一触发信号和第二寄存器发出的第二触发信号控制所述第三寄存器输出当前周期移位累加数据；本发明既能实现4比特和8比特的灵活定点乘累加运算，还能提高移位累加运算速率，降低运算占用的内存和功耗。

主权项

1.一种低位宽卷积神经网络可重构计算单元，其特征在于，所述低位宽卷积神经网络可重构计算单元应用于指数卷积神经网络的位移累加运算，其包括：若干个可重构移位累加模块、多路选通器和量化处理模块；所述多路选通器分别与各所述可重构移位累加模块相连，用于选择所述可重构移位累加模块输出的当前周期的移位累加数据；所述量化处理模块，与所述多路选通器相连，用于根据当前周期的移位累加数据进行量化处理，获得量化处理数据；其中：所述可重构移位累加模块包括控制器、第一寄存器、第二寄存器、第三寄存器和移位累加器；所述控制器用于判断当前周期的指数权重数据是否为负数；如果当前周期的指数权重数据为负数，则无需数据移位累加操作，等待判断下一周期的指数权重数据；如果当前周期的指数权重数据不为负数，则判断当前周期的指数权重数据是否为0；如果当前周期的指数权重数据不为0，则控制第一寄存器存储当前周期的指数权重数据；当前周期的指数权重数据为0，控制则第一寄存器发出第一触发信号；所述控制器还用于判断当前周期的定点数数据是否为负数；如果当前周期的定点数数据为负数，则无需数据移位累加操作，等待判断下一周期的定点数数据；如果当前周期的定点数数据不为负数，则判断当前周期的定点数数据是否为0；如果当前周期的定点数数据不为0，则控制第二寄存器存储当前周期的定点数数据；如果当前周期的定点数数据为0，则控制第二寄存器发出第二触发信号；所述第三寄存器分别与所述第一寄存器、所述第二寄存器相连，所述第三寄存器用于根据所述第一寄存器发出的第一触发信号或所述第二寄存器发出的第二触发信号控制所述第三寄存器输出当前周期的移位累加数据；所述第三寄存器还用于存储上一周期的移位累加数据；所述移位累加器分别与所述第一寄存器、所述第二寄存器和所述第三寄存器相连，所述移位累加器用于根据所述第一寄存器存储的上一周期的指数权重数据、所述第二寄存器存储的上一周期的定点数数据和所述第三寄存器存储的上一周期的第一移位累加数据确定当前周期的移位累加数据，并将当前周期的移位累加数据存储在所述第三寄存器内。