公开(公告)号：CN113255897A

公开(公告)日：2021-08-13

申请号：CN202110655204.9

申请日：2021-06-11

Applicant: 西安微电子技术研究所

Inventor： 杨晨东 ,  秦晴 ,  杨靓 ,  黄巾 ,  王硕 ,  闫鑫 ,  金玉琳 ,  程智 ,  纪虎东 ,  朱青

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08 ,  G06K9/46

Abstract: 本发明公开了一种卷积神经网络的池化计算单元，属于数字电路领域。本发明包括36个基本计算单元C0～C35和4个结果计算单元R0～R3；基本计算单元和所述结果计算单元均受表征池化类型的信号控制；当进行池化计算时，输入特征图像整行按顺序从输入端口输入，池化计算流水建立之后，池化计算单元按顺序每周期给出相应的输出图像数据；N个池化计算单元能够同时进行4N个池化尺寸为2x2或3x3的池化计算，或者N个池化尺寸为5x5的池化计算。本发明可根据池化计算的具体类型和尺寸灵活配置，增加了池化计算单元的可用性；该池化计算单元扩展简单，根据需求和系统开销灵活确定其计算并行度；输入图像数据复用大大减少了功耗。

公开(公告)号：CN117112961A

公开(公告)日：2023-11-24

申请号：CN202310946374.1

申请日：2023-07-28

Applicant: 西安微电子技术研究所

Inventor： 田野 ,  黄剑雄 ,  王硕 ,  秦晴 ,  毕思颖 ,  焦峰 ,  杨婧 ,  黄巾 ,  杨靓

IPC: G06F17/10 ,  G06N3/0464 ,  G06N3/067

Abstract: 本发明公开了一种光电混合计算系统及其应用方法，包括，数据输入配置模块，指示输入数据的维度、尺寸、数据来源和数据填充，计算配置模块，指示计算核中数据计算的类型和对应权重参数的存储地址，并进行数据的计算，模型参数配置模块，指示光学相位值、数据偏置、非线性激活、量化和反量化参数，数据输出模块，用于配置计算数据的输出方式和输出地址，通过模型参数配置模块有效区分光电混合计算芯片中的光域和电域功能，计算配置模块同时具有配置参数和计算的能力，对数据输入配置模块的数据再次进行配置和计算，通过数据输出模块进行输出，解决了光子计算和电子计算在指令集中融合困难，提高芯片的可编程性，通用性和易用性。

公开(公告)号：CN113312285B

公开(公告)日：2023-08-18

申请号：CN202110656789.6

申请日：2021-06-11

Applicant: 西安微电子技术研究所

Inventor： 王硕 ,  杨靓 ,  金玉琳 ,  闫鑫 ,  杨晨东 ,  秦晴 ,  纪虎东 ,  朱青 ,  程智

IPC: G06F13/28 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/063

Abstract: 本发明公开了一种卷积神经网络加速器及其工作方法，属于数字电路领域。本发明中的寄存器管理单元用于存储对卷积阵列的配置文件，当前卷积计算的各项参数信息，同时记录卷积阵列当前的运算状态，供主处理器查询；全局缓存模块用于对filter、ifmap和psum进行缓存；卷积阵列控制模块在接收到启动命令后根据寄存器管理单元提供的参数信息进行相应的数据交互操作，进行filter/ifmap和psum的传递；卷积阵列由大量PE单元级联而成，用于实现卷积运算；Pooling层用于进行池化计算；激活函数用于进行激活函数的计算。本发明克服了CNN卷积器的最大化输入数据重用和最小化Psum产生是无法同时实现的缺点。

公开(公告)号：CN113255897B

公开(公告)日：2023-07-07

申请号：CN202110655204.9

申请日：2021-06-11

Applicant: 西安微电子技术研究所

Inventor： 杨晨东 ,  秦晴 ,  杨靓 ,  黄巾 ,  王硕 ,  闫鑫 ,  金玉琳 ,  程智 ,  纪虎东 ,  朱青

IPC: G06V10/82 ,  G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了一种卷积神经网络的池化计算单元，属于数字电路领域。本发明包括36个基本计算单元C0～C35和4个结果计算单元R0～R3；基本计算单元和所述结果计算单元均受表征池化类型的信号控制；当进行池化计算时，输入特征图像整行按顺序从输入端口输入，池化计算流水建立之后，池化计算单元按顺序每周期给出相应的输出图像数据；N个池化计算单元能够同时进行4N个池化尺寸为2x2或3x3的池化计算，或者N个池化尺寸为5x5的池化计算。本发明可根据池化计算的具体类型和尺寸灵活配置，增加了池化计算单元的可用性；该池化计算单元扩展简单，根据需求和系统开销灵活确定其计算并行度；输入图像数据复用大大减少了功耗。

公开(公告)号：CN113312285A

公开(公告)日：2021-08-27

申请号：CN202110656789.6

申请日：2021-06-11

Applicant: 西安微电子技术研究所

Inventor： 王硕 ,  杨靓 ,  金玉琳 ,  闫鑫 ,  杨晨东 ,  秦晴 ,  纪虎东 ,  朱青 ,  程智

IPC: G06F13/28 ,  G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了一种卷积神经网络加速器及其工作方法，属于数字电路领域。本发明中的寄存器管理单元用于存储对卷积阵列的配置文件，当前卷积计算的各项参数信息，同时记录卷积阵列当前的运算状态，供主处理器查询；全局缓存模块用于对filter、ifmap和psum进行缓存；卷积阵列控制模块在接收到启动命令后根据寄存器管理单元提供的参数信息进行相应的数据交互操作，进行filter/ifmap和psum的传递；卷积阵列由大量PE单元级联而成，用于实现卷积运算；Pooling层用于进行池化计算；激活函数用于进行激活函数的计算。本发明克服了CNN卷积器的最大化输入数据重用和最小化Psum产生是无法同时实现的缺点。