卷积神经网络的运算方法及相关设备

    公开(公告)号:CN114418057A

    公开(公告)日:2022-04-29

    申请号:CN202011174895.2

    申请日:2020-10-28

    Abstract: 本申请提供一种卷积神经网络的运算方法及相关设备,该方法包括:根据Cin个第一量化因子对包含Cin个通道的输入数据进行量化以得到Cin个数据组,其中,Cin个第一量化因子为浮点数,Cin个第一量化因子的尾数相同,Cin个第一量化因子与Cin个通道一一对应,Cin为正整数;对目标卷积核对应的第一权重参数进行量化以得到第二权重参数;将Cin个数据组和第二权重参数进行卷积计算;将卷积计算后的结果进行移位计算以得到运算结果。采用本申请实施例,能够降低卷积神经网络的计算量、提高计算效率。

    面向3D点云神经网络算法的硬件架构、计算方法及设备

    公开(公告)号:CN116894468A

    公开(公告)日:2023-10-17

    申请号:CN202310944645.X

    申请日:2023-07-28

    Applicant: 清华大学

    Abstract: 本申请涉及点云神经网络技术领域,特别涉及一种面向3D点云神经网络算法的硬件架构、计算方法及设备,其中,硬件架构包括:片外存储;映射模块,映射模块设置有距离过滤技术和/或输出优先映射计算技术,以降低计算3D点云神经网络算法的映射操作时片外存储的片外访存量,根据映射操作生成输入和输出之间的映射关系;计算模块,计算模块设置有弹性阵列架构,根据3D点云神经网络算法中不同规模的计算任务调整弹性阵列架构,根据映射关系取出权重和对应的输入特征进行矩阵运算得到输出特征。由此,解决了相关技术中,点云神经网络加速器片外访存量大,计算单元利用率低,导致加速器处理速度慢、可扩展性和灵活性差,无法满足实际需要等问题。

Patent Agency Ranking