-
公开(公告)号：CN112631968A
公开(公告)日：2021-04-09
申请号：CN202011524240.3
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种动态可演化智能处理芯片结构，包括：通用处理器、智能处理单元、内存控制器和内存接口、可编程逻辑区域、可编程逻辑控制器，所述可编程逻辑区域进一步包括：动态系统总线、动态IO控制器和动态智能计算单元；动态系统总线：可以根据需求，对其拓扑结构、接口数量和规格、仲裁机制等进行重构，动态IO控制器：用于根据系统对于IO需求的不同，重构为一个或者多个不同类型的IO控制器，动态智能计算单元：用于根据需要重构为特定的硬件结构，实现对计算、访存、IO的定制加速。本发明可实现对整个系统中计算、访存、IO等方面的性能和效率优化，提高智能应用的计算效率，实现智能应用的全栈定制加速。
-
公开(公告)号：CN112632459B
公开(公告)日：2023-07-07
申请号：CN202011525795.X
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
IPC: G06F17/15 , G06N3/0464 , G06F17/16
Abstract: 本发明公开一种深度卷积的在线计算部件，包括标准卷积部件、累加器和连接于累加器数据输出接口上的深度卷积部件；所述深度卷积部件包括若干级激活值站台、若干个乘法器、若干个权重值站台和至少一个设置于2个相邻激活值站台之间的延迟站台，每一个乘法器配备1个激活值站台和1个权重值站台，延迟站台的延迟值D等于输入激活图的宽度，权重值在卷积计算开始之前预先置位，激活值站台采用逐级推进的方式注入运算部件，每一级激活值站台中当前存放的结果送到下一级激活值站台。本发明在不破坏累加器输出数据结构的前提下，高效地完成了深度卷积计算，可以很大程度提高深度卷积运算的计算资源利用率，加速整个神经网络的运算速度。
-
公开(公告)号：CN115660056A
公开(公告)日：2023-01-31
申请号：CN202211363442.3
申请日：2022-11-02
Applicant: 无锡江南计算技术研究所
Abstract: 本申请公开了一种神经网络硬件加速器的数据在线压缩方法及装置，方法包括对神经网络输出的第一激活值进行转换处理，得到第一激活掩码；将第一激活掩码划分为至少两组激活子掩码，并按照预设顺序依次对每组激活子掩码进行累加处理，得到激活位置掩码；基于第一激活掩码、激活位置掩码以及神经网络输出的权重值，计算出激活选择掩码；根据激活选择掩码对第一激活值进行筛选处理，得到目标激活值，并基于目标激活值生成第二激活掩码。通过对激活值进行在线掩码的设置以及对权重值的离线压缩，不仅对不同的神经网络压缩的适应性强，还可提高数据移动效率，在降低功耗的同时保证了吞吐量。
-
公开(公告)号：CN112631548A
公开(公告)日：2021-04-09
申请号：CN202011524239.0
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
IPC: G06F7/523
Abstract: 本发明公开一种基于混合粒度乘法部件的多精度乘法器及运算方法，所述运算方法包括以下步骤：调度器将乘法运算的两个位宽分别为Mbit、Nbit的操作数进行分割；调度器计算步骤1中获得的每一组细粒度乘法运算结果需要向左移动的位数；调度器将步骤1中分割后的细粒度乘法运算的两个操作数和步骤2中对应的左移位数打包成乘法器指令；调度器将步骤3中生成的乘法器指令送入计算单元的指令队列；细粒度乘法部件完成细粒度的乘法运算；将乘法结果向左移位后的结果送入加法树。本发明很好的平衡了计算延迟、计算能力的利用率和控制结构复杂度三者之间的关系，降低了控制结构的复杂度。
-
Patent Agency Ranking
公开(公告)号：CN112631548B
公开(公告)日：2022-10-04
申请号：CN202011524239.0
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
IPC: G06F7/523
Abstract: 本发明公开一种基于混合粒度乘法部件的多精度乘法器及运算方法，所述运算方法包括以下步骤：调度器将乘法运算的两个位宽分别为Mbit、Nbit的操作数进行分割；调度器计算步骤1中获得的每一组细粒度乘法运算结果需要向左移动的位数；调度器将步骤1中分割后的细粒度乘法运算的两个操作数和步骤2中对应的左移位数打包成乘法器指令；调度器将步骤3中生成的乘法器指令送入计算单元的指令队列；细粒度乘法部件完成细粒度的乘法运算；将乘法结果向左移位后的结果送入加法树。本发明很好的平衡了计算延迟、计算能力的利用率和控制结构复杂度三者之间的关系，降低了控制结构的复杂度。
-
公开(公告)号：CN115641282A
公开(公告)日：2023-01-24
申请号：CN202211363441.9
申请日：2022-11-02
Applicant: 无锡江南计算技术研究所
Abstract: 本申请公开了一种面向合成孔径雷达图像的目标检测方法及装置，方法包括确定至少两种卷积操作，并基于至少两种卷积操作构建第一神经网络；将样本合成孔径雷达图像输入至第一神经网络，并根据预测结果以及样本真实结果，计算出第一损失值；基于第一损失值进行训练，并根据第一神经网络中的架构参数以及预设派生规则，派生出第二神经网络；将待处理合成孔径雷达图像输入至第二神经网络，并根据预测结果在待处理合成孔径雷达图像上显示目标检测框。相比于人工设计目标检测的神经网络模型，通过神经架构搜索自动化完成更符合需求的网络设计，不仅有效避免过多的专家人工知识所带来的领域知识限制，还可极大提高目标的检测效率以及精度。
-
公开(公告)号：CN112631968B
公开(公告)日：2022-10-04
申请号：CN202011524240.3
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种动态可演化智能处理芯片结构，包括：通用处理器、智能处理单元、内存控制器和内存接口、可编程逻辑区域、可编程逻辑控制器，所述可编程逻辑区域进一步包括：动态系统总线、动态IO控制器和动态智能计算单元；动态系统总线：可以根据需求，对其拓扑结构、接口数量和规格、仲裁机制等进行重构，动态IO控制器：用于根据系统对于IO需求的不同，重构为一个或者多个不同类型的IO控制器，动态智能计算单元：用于根据需要重构为特定的硬件结构，实现对计算、访存、IO的定制加速。本发明可实现对整个系统中计算、访存、IO等方面的性能和效率优化，提高智能应用的计算效率，实现智能应用的全栈定制加速。
-
公开(公告)号：CN112632459A
公开(公告)日：2021-04-09
申请号：CN202011525795.X
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种深度卷积的在线计算部件，包括标准卷积部件、累加器和连接于累加器数据输出接口上的深度卷积部件；所述深度卷积部件包括若干级激活值站台、若干个乘法器、若干个权重值站台和至少一个设置于2个相邻激活值站台之间的延迟站台，每一个乘法器配备1个激活值站台和1个权重值站台，延迟站台的延迟值D等于输入激活图的宽度，权重值在卷积计算开始之前预先置位，激活值站台采用逐级推进的方式注入运算部件，每一级激活值站台中当前存放的结果送到下一级激活值站台。本发明在不破坏累加器输出数据结构的前提下，高效地完成了深度卷积计算，可以很大程度提高深度卷积运算的计算资源利用率，加速整个神经网络的运算速度。
-
公开(公告)号：CN112508125A
公开(公告)日：2021-03-16
申请号：CN202011529800.4
申请日：2020-12-22
Applicant: 无锡江南计算技术研究所
Abstract: 本发明公开一种目标检测模型的高效全整数量化方法，所述图像检测模型中各层卷积的权值、偏置、输入特征图和输出特征图均采用整数表示，量化推理过程均采用整数计算，具体包括以下步骤：对实数版本的图像检测模型进行正常训练、量化感知训练、量化参数生成、应用生成的各层参数，在计算设备上进行基于全整数运算的推理。本发明可以大大减少图像检测模型的推理时间，减少模型在磁盘存储和内存占用方面的空间，同时保持图像检测模型的高检测精度，有助于在FPGA等计算设备上实现更加高效的图像目标检测系统。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.089 seconds)
