公开(公告)号：CN109245773A

公开(公告)日：2019-01-18

申请号：CN201811279234.9

申请日：2018-10-30

Applicant: 南京大学

Inventor： 潘红兵 ,  秦子迪 ,  朱杏伟 ,  孙华庆 ,  苏岩 ,  朱棣 ,  吴加维 ,  沈庆宏

IPC: H03M7/30 ,  G06N3/02 ,  G06F17/16

Abstract: 本发明涉及基于块循环稀疏矩阵神经网络的编解码方法，对具有块循环稀疏权值矩阵的全连接神经网络进行压缩编码；利用权值矩阵的循环特性和稀疏性，设计的采取掩模矩阵和非零值列表的编码方法；利用输入激励的稀疏性，设计的采取掩模向量和非零值列表的编码方法；充分利用了掩模矩阵和循环矩阵的特点，采用了硬件友好的解码方法。有益效果为：对稀疏的输入激励向量和权值矩阵同时进行压缩编码，有效减少数据所需的存储空间和运算过程中搬运数据所需的存储接入次数。在神经网络运算过程中，该方法能够有效降低访存消耗的能量，便于处理器跳过不必要的运算，提高硬件系统的吞吐率。

公开(公告)号：CN106951211A

公开(公告)日：2017-07-14

申请号：CN201710189006.1

申请日：2017-03-27

Applicant: 南京大学

Inventor： 潘红兵 ,  朱杏伟 ,  李丽 ,  王晨曦 ,  王宇宣 ,  秦子迪 ,  陈金锐 ,  李伟 ,  何书专

IPC: G06F7/523

Abstract: 本发明提供了一种定浮点通用乘法器，既可以实现24位的定点乘法运算，也可以实现32位的单精度浮点乘法运算。所述乘法器将定点乘法器与主体结构相分离，由24位定点乘法器重构为单精度浮点乘法器。24位定点乘法器由4个12位乘法器组成，其中每个12位乘法器采用BOOTH算法，通过乘累加的紧缩结构完成运算，有效地提高了乘法运算效率和减少了运算资源开销。所述乘法器除了24位定点乘法器外不额外占用太多资源，在保证运算精度和数据吞吐率的情况下，有效地提高了乘法器的通用性。