-
-
公开(公告)号：CN107527090A
公开(公告)日：2017-12-29
申请号：CN201710733524.5
申请日：2017-08-24
Applicant: 中国科学院计算技术研究所
CPC classification number: G06N3/063 , G06N3/0454 , G06N5/04
Abstract: 本发明提供了一种应用于稀疏神经网络的处理器。该处理器包括：存储单元，其用于存储数据和指令；控制单元，其用于获得保存在所述存储单元的指令并发出控制信号；计算单元，其用于从所述存储单元获得神经网络中的一层的节点值和对应的权重值数据以获得下一层的节点值，其中，当待计算元素中任一项等于零时，计算单元不执行该计算元素的乘法运算，其中，所述待计算元素包括节点值和权重值。利用本发明的处理器，能够提高神经网络的计算速度并节省功耗。
-
公开(公告)号：CN107391316A
公开(公告)日：2017-11-24
申请号：CN201710777052.3
申请日：2017-09-01
Applicant: 中国科学院计算技术研究所
IPC: G06F11/14
CPC classification number: G06F11/1441
Abstract: 本发明提供一种基于非易失存储的计算装置，包括：处理器、集成在处理器上的片上存储、和/或内存，以及储能装置，用于在通电时存储电能，并在掉电时提供电能以将所述处理器上尚未保存的数据存储到所述片上存储和/或所述内存；其中，所述片上存储和/或所述内存采用读写速度为纳秒数量级的非易失存储器，用于向所述处理器提供对执行运算的数据的访存。
-
公开(公告)号：CN107256424A
公开(公告)日：2017-10-17
申请号：CN201710315337.5
申请日：2017-05-08
Applicant: 中国科学院计算技术研究所
IPC: G06N3/08
Abstract: 本发明提供一种三值权重卷积神经网络的处理系统。该系统包括：至少一个存储单元，用于存储数据和指令；至少一个控制单元，用于获得保存在所述存储单元的指令并发出控制信号；至少一个计算单元，用于从所述存储单元获得卷积神经网络中的一层的节点值和对应的三值权重值数据并通过执行加减操作获得下一层的节点值。本发明的处理系统减少了卷积神经网络计算过程中的数据位宽、提高了卷积运算速度、降低了存储容量及工作能耗。
-
公开(公告)号：CN107103113A
公开(公告)日：2017-08-29
申请号：CN201710178281.3
申请日：2017-03-23
Applicant: 中国科学院计算技术研究所
CPC classification number: G06F17/5045 , G06N3/02
Abstract: 本发明提出一种面向神经网络处理器的自动化设计方法、装置及优化方法，该方法包括步骤1，获取神经网络模型描述文件、硬件资源约束参数，其中所述硬件资源约束参数包括硬件资源大小及目标运行速度；步骤2，根据所述神经网络模型描述文件与所述硬件资源约束参数，从已构建的神经网络组件库中查找单元库，并根据所述单元库生成对应于所述神经网络模型的神经网络处理器的硬件描述语言代码；步骤3，将所述硬件描述语言代码转化为所述神经网络处理器的硬件电路。
-
Patent Agency Ranking
公开(公告)号：CN107087107A
公开(公告)日：2017-08-22
申请号：CN201710312832.0
申请日：2017-05-05
Applicant: 中国科学院计算技术研究所
IPC: H04N5/232
Abstract: 本发明涉及一种基于双摄像头的图像处理装置，包括第一摄像头、第二摄像头和控制模块，其中，所述第一摄像头用于拍摄整体图像；所述控制模块用于发送拍摄指令到所述第二摄像头；所述第二摄像头按照接收的所述拍摄指令拍摄局部图像，其特征在于，所述拍摄指令包含所述第一摄像头的拍摄信息和所述整体图像的图像信息。本发明能够提高局部目标的成像效果，增强整幅图像的细节表现。
-
公开(公告)号：CN107085562A
公开(公告)日：2017-08-22
申请号：CN201710179097.0
申请日：2017-03-23
Applicant: 中国科学院计算技术研究所
CPC classification number: Y02D10/12 , G06F15/7807 , G06F15/8053 , G06N3/08
Abstract: 本发明提出一种基于高效复用数据流的神经网络处理器及设计方法，涉及神经网络模型计算的硬件加速技术领域，该处理器包括至少一存储单元，用于存储操作指令与运算数据；至少一计算单元，用于执行神经网络计算；控制单元，与所述至少一存储单元、所述至少一计算单元相连，用于经由所述至少一存储单元获得所述至少一存储单元存储的操作指令，并且解析所述操作指令以控制所述至少一计算单元；其中所述运算数据采用高效复用数据流的形式。本发明在神经网络处理过程中采用高效复用数据流，每次只需向计算单元阵列中的一列计算单元载入权重和数据，降低了片上数据带宽、提高了数据共享率、提升了能量效率。
-
公开(公告)号：CN107066707A
公开(公告)日：2017-08-18
申请号：CN201710188024.8
申请日：2017-03-27
Applicant: 中国科学院计算技术研究所
IPC: G06F17/50
CPC classification number: G06F17/5081 , G06F17/505
Abstract: 本发明提出一种使用快照的可调试性设计追踪方法及装置，涉及集成电路可调试性设计技术领域，该方法包括步骤1，设置追踪缓存与快照缓存的容量，确定追踪信号的宽度限制与快照信号的宽度限制；步骤2，根据所述追踪信号与所述快照信号的宽度限制，生成寄存器簇并迭代选择寄存器簇，从而确定所述追踪信号与所述快照信号；步骤3，根据所述追踪信号与所述快照信号，设置追踪结构，其中所述追踪结构包括追踪控制器、触发器、追踪总线、追踪缓存、快照缓存。本发明可以显著的提高调试数据的状态恢复率，增加硅后调试的可观测性，缩短硅后调试时间；本发明可以确定性的恢复关键信号；本发明可以减少追踪信号选择方法的运行时间。
-
公开(公告)号：CN119720747A
公开(公告)日：2025-03-28
申请号：CN202411746281.5
申请日：2024-12-02
Applicant: 中国科学院计算技术研究所
IPC: G06F30/27 , G06N3/126 , G06F111/06
Abstract: 本发明提供了一种芯粒选型方法，包括：S1、获取按照指定的芯粒库规范构建的数据形式的芯粒库，其含有多种芯粒及其描述文件；S2、获取待加速的应用，获取应用，利用语义匹配规则将应用转化成任务数据流图，其包括算子及其依赖关系；S3、根据所述芯粒库和任务数据流图，为应用基于多种芯粒组合中的每种芯粒组合分别进行多次分组映射及计算每个任务分组映射方案的性能指标，根据任务分组映射方案的性能指标确定最优的芯粒组合，其中，任务分组映射方案包括多条映射关系，每条映射关系包括应用内的一个算子、该算子的分组序号以及为该算子所分配的运算芯粒。本发明方法可提升芯粒集成系统的选型效率和质量，并且减少人工选型的时间开销以及成本。
-
公开(公告)号：CN118350337A
公开(公告)日：2024-07-16
申请号：CN202410460021.5
申请日：2024-04-17
Applicant: 中国科学院计算技术研究所
IPC: G06F30/392 , G06F30/394 , G06F30/398 , G06F115/08
Abstract: 本发明实施例提供了一种芯粒系统的设计方法，包括：步骤S1、对一组设计核图进行芯粒化，得到一组芯粒系统和一组芯粒模板，每个芯粒系统包括多个芯粒实例及其之间的通信关系构成的芯粒间通信图，每个芯粒实例采用所述一组芯粒模板中的一种芯粒模板构建；步骤S2、为所述一组芯粒系统中的每个所述芯粒系统的芯粒实例的空间布局进行布局规划，得到一组优化布局；步骤S3、根据所述一组优化布局、一组芯粒模板、一组芯粒间通信图、用户指定的各芯粒模板的设计参数、预设的优化目标和预设的多个约束，确定一组芯粒模板和一组芯粒系统的设计结果。
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.056 seconds)
