神经网络计算模块、处理单元和神经网络处理器

    公开(公告)号:CN118246509A

    公开(公告)日:2024-06-25

    申请号:CN202410385647.4

    申请日:2024-04-01

    Abstract: 本发明提供了一种计算模块,包括一个多路分配器、一个与门和一个移位寄存器;其中所述多路分配器用于选择并传输1比特至与门的一个输入端,所述与门将从多路分配器接收到的比特值与待计算数据的一个比特值进行乘法运算,所述移位寄存器对获得的运算结果执行位移。本发明提供了一个对数据可实现比特级调整的神经网络处理单元,细粒度的调整计算位宽与传输模式,使包含该处理单元的处理器可在神经网络不同层采用不同的数据精度参与计算,在保证计算精度的前提下,提高了处理速度,减少了片上存储量,降低了能量损耗。

    片间数据传输系统及片间数据传输方法

    公开(公告)号:CN116804977A

    公开(公告)日:2023-09-26

    申请号:CN202310657156.6

    申请日:2023-06-05

    Abstract: 本申请涉及一种片间数据传输系统及片间数据传输方法,该系统包括路由模块、流量控制电路和片间通道模块,所述路由模块包括发送路由和接收路由,所述流量控制电路分别与所述发送路由、所述接收路由连接,所述片间通道模块与所述流量控制电路连接;所述片间通道模块用于接收所述发送路由发送的数据段并转发至片外,以及接收所述片外的数据段并转发至所述接收路由;所述流量控制电路用于缓存所述数据段,并根据信用阈值控制所述接收路由接收的数据段的数量,保证了缓存空间的剩余可缓存数据段的数量及时被上游发送方所知,解决了相关技术中存在的流量控制机制对数据传输的控制不精确,导致丢失数据分组的问题。

    基于生成对抗网络的地表图像生成方法及系统

    公开(公告)号:CN114758021A

    公开(公告)日:2022-07-15

    申请号:CN202210249374.1

    申请日:2022-03-14

    Inventor: 代磊 李华伟 王颖

    Abstract: 本发明提出一种基于生成对抗网络的地表图像生成方法,包括:获取原始地表图像,生成原始数据集、纹理数据集和框架数据集;构建纹理生成网络,以该纹理数据集对该纹理生成网络进行训练;构建框架生成网络,以该框架数据集对该框架生成网络进行训练;将该纹理生成网络的第一生成器嵌入该框架生成网络的第二生成器,以获得地表图像生成网络,以该原始数据集对该地表图像生成网络进行训练;以该地表图像生成网络的生成器为地表图像生成模型进行地表图像生成。还提出一种基于生成对抗网络的地表图像生成系统,以及一种数据处理装置。

    面向神经网络的矩阵转换装置及方法

    公开(公告)号:CN109190755B

    公开(公告)日:2021-07-20

    申请号:CN201811040908.X

    申请日:2018-09-07

    Abstract: 本发明涉及一种面向神经网络的矩阵转换装置,包括:数据接收接口,用于接收并传递神经网络的待转换矩阵数据;转换矩阵接收接口,用于接收并传递对应于所述待转换矩阵数据的转换矩阵;矩阵运算单元,与所述数据接收接口和所述转换矩阵接收接口分别连接,利用所述待转换矩阵数据和所述对应的转换矩阵执行矩阵转换运算;输出接口,与所述矩阵运算单元相连,用于拼接并输出所述矩阵运算单元获得的运算结果;暂存单元,与所述数据接收接口和所述输出接口相连,用于暂存所述输出接口输出的运算结果,并将所述运算结果输入至所述数据接收接口。

    一种路由器和片上网络传输系统及方法

    公开(公告)号:CN107800700B

    公开(公告)日:2020-10-27

    申请号:CN201711026269.7

    申请日:2017-10-27

    Abstract: 本发明涉及一种路由器,包括控制单元,用于控制所述路由器;缓存,用于将接收的数据包输出至所述交叉开关;交叉开关,用于将接收的数据包路由到相应的输出端口;压缩器,用于对接收的数据包进行压缩,并将压缩后的数据包返回至所述缓存;以及解压缩器,用于对接收的数据包解压缩,并将解压缩后的数据包返回至相应的输出端口。

    一种具有低带宽激活装置的神经网络处理器及其方法

    公开(公告)号:CN108416435B

    公开(公告)日:2020-07-31

    申请号:CN201810223448.8

    申请日:2018-03-19

    Abstract: 本发明提供一种神经网络处理器以及设计和使用方法。所述神经网络处理器,包括卷积装置和激活装置,其特征在于所述激活装置包括:输入接口、激活运算单元、和输出接口;其中,所述输入接口用于接收来自所述卷积装置的待激活神经元,所述输入接口的带宽与所述卷积装置输出待激活神经元的速度相关;所述激活运算单元,用于对来自所述输入接口的待激活神经元进行激活处理,所述激活运算单元的运算速度与所述卷积装置输出待激活神经元的速度相关;所述输出接口,用于输出激活处理的结果,所述输出接口的带宽与所述激活运算单元的运算速度相对应。

    权重数据存储方法和基于该方法的神经网络处理器

    公开(公告)号:CN107977704B

    公开(公告)日:2020-07-31

    申请号:CN201711102821.6

    申请日:2017-11-10

    Abstract: 本发明提供一种神经网络中的权重数据存储方法和卷积计算方法。所述权重存储方法包括:查找权重卷积核矩阵中的有效权重并获取有效权重索引,其中,所述有效权重是非零权重,所述有效权重索引用于标记所述有效权重在所述权重卷积核矩阵中的位置;存储所述有效权重以及所述有效权重索引。根据本发明的权重数据存储方法和卷积计算方法能够节省存储空间并提高计算效率。

    应用于神经网络的计算方法及计算装置

    公开(公告)号:CN107944545B

    公开(公告)日:2020-07-31

    申请号:CN201711102485.5

    申请日:2017-11-10

    Abstract: 本发明提供了一种应用于神经网络的计算方法和计算装置。该计算方法包括以下步骤:获取仅包含数值1和‑1权重的二值卷积核;将所述二值卷积核分解为初始卷积核和特征卷积核,其中,所述初始卷积核和所述特征卷积核与所述二值卷积核的维数相同,所述初始卷积核是由数值为1的权重构成的矩阵,所述特征卷积核是相对于所述二值卷积核保留了数值为‑1的权重所形成的矩阵;基于所述初始卷积核和所述特征卷积核执行神经网络中的卷积计算。利用本发明的计算方法和计算装置能够提高卷积计算的效率并节省存储电路的开销。

    神经网络处理单元及包含该处理单元的处理系统

    公开(公告)号:CN107844826B

    公开(公告)日:2020-07-31

    申请号:CN201711033537.8

    申请日:2017-10-30

    Abstract: 本发明提供一种神经网络处理单元和包含该处理单元的处理系统。该处理单元包括:乘法器模块,所述乘法器模块包含构成流水线的多级结构,并用于执行神经网络中待计算的神经元和权值的乘法运算,其中,所述乘法器模块的每一级结构完成所述神经元和权值的乘法运算的子运算;自累加器模块,所述自累加器模块基于控制信号对所述乘法器模块的乘法运算结果进行累加运算或将累加结果输出。利用本发明的处理单元和处理系统,能够提高神经网络的计算效率和资源利用率。

Patent Agency Ranking