龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：电子科技大学
摘要：本发明具体涉及一种基于权重循环数据流的神经网络加速阵列，充分复用了从内存中读取的权重值和输入特征图数据，大大减少了对外部存储器的访问，属于神经网络的硬件加速技术领域。在人工智能芯片领域中，卷积运算占据整个卷积神经网络模型的计算量的百分之九十以上，本发明为了减少空域计算结构中，对输入数据的重复调用和移动，最大化数据复用，提出了权重循环数据流。通过设计一种基于权重循环数据流的PE阵列，对卷积操作进行优化，有效地降低硬件加速结构的功耗和延迟，从而提升系统的总体性能。
主权项：1.一种基于权重循环数据流的神经网络加速阵列，其特征在于，PE阵列尺寸为卷积窗口的尺寸，PE单元为了数据移动而横向相连，为了权重循环移动而纵向循环互连；将卷积核上的权重值预置到PE阵列中，在输入特征图数据首次充满PE阵列前，输入特征图不通过乘法器，而直接输出到右侧的PE单元，直到输入特征图数据充满PE阵列后再进行卷积操作；卷积窗口的尺寸是K×K，首先同时输入图像行的1至K行，直到输入特征图数据首次充满PE阵列开始，按步长整体右移图像行，依次做卷积运算；当1至K行的输入特征图遍历完成后，更新一行图像行；其余未更新的K-1行数据继续重新循环输入；当图像行更新的时候，PE阵列的权重就按行整体循环下移，存储在每行的单个PE单元的权重寄存器中，PE阵列的K行图像行就整体右移做卷积；当图像行更新完时，PE阵列完成输入特征图最后K行的卷积后，运算结束；在输入特征图右移过程中，权重在阵列的位置保持不变，数据每右移一位，阵列做一次卷积；当输入特征图数据充满PE阵列，开始做卷积运算后，输入特征图与权重输入到乘法器中，产生一个部分和；该部分和与左侧来的输入部分和信号累加，产生前传部分和，输入到右侧的PE单元中；当每一行的部分和到达PE阵列的最右边时，由K-1个边缘加法器汇总，得到最终的一个卷积结果。
全文数据：
权利要求：
百度查询： 电子科技大学 一种基于权重循环数据流的神经网络加速阵列
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号