用于稀疏神经网络的低功率架构

    公开(公告)号:CN110073370A

    公开(公告)日:2019-07-30

    申请号:CN201780076565.X

    申请日:2017-11-13

    Abstract: 提供了一种用于降低神经网络的功耗的方法、计算机可读介质和装置。该装置可以从标签存储中取回用于神经网络中的权重的第一标签值或者用于神经网络中的激活的第二标签值的至少一个标签值。第一标签值可以指示权重是否为零,而第二标签值可以指示激活是否为零。该权重和激活将作为操作数对被加载到乘法器-累加器单元的乘法器。该装置可以确定该至少一个标签值是否指示零值。该装置可以在该至少一个标签值指示零值时禁止将该权重和激活加载到该乘法器。该装置可以禁止对零值激活进行更新。

    用于使用查找表以固定点来近似非线性函数的方法和装置

    公开(公告)号:CN109643327B

    公开(公告)日:2020-04-24

    申请号:CN201780052874.3

    申请日:2017-08-04

    Abstract: 在硬件或嵌入式系统中计算非线性函数f(x)可能是复杂且资源密集的。在本公开的一个或多个方面,提供了用于使用查找表(LUT)以及内插或外推来在硬件中准确且高效地计算非线性函数f(x)的方法、计算机可读介质、以及装备。该装备可以是处理器。该处理器关于输入变量x计算非线性函数f(x),其中f(x)=g(y(x),z(x))。该处理器通过确定输入变量x的最高有效位(MSB)的位置来确定整数n。另外,该处理器基于第一查找表和所确定的整数n来确定y(x)的值。而且,该处理器基于n和输入变量x以及基于第二查找表来确定z(x)的值。此外,该处理器基于y(x)和z(x)的所确定值来计算f(x)。

    使用查找表以固定点来近似非线性函数

    公开(公告)号:CN109643327A

    公开(公告)日:2019-04-16

    申请号:CN201780052874.3

    申请日:2017-08-04

    Abstract: 在硬件或嵌入式系统中计算非线性函数f(x)可能是复杂且资源密集的。在本公开的一个或多个方面,提供了用于使用查找表(LUT)以及内插或外推来在硬件中准确且高效地计算非线性函数f(x)的方法、计算机可读介质、以及装备。该装备可以是处理器。该处理器关于输入变量x计算非线性函数f(x),其中f(x)=g(y(x),z(x))。该处理器通过确定输入变量x的最高有效位(MSB)的位置来确定整数n。另外,该处理器基于第一查找表和所确定的整数n来确定y(x)的值。而且,该处理器基于n和输入变量x以及基于第二查找表来确定z(x)的值。此外,该处理器基于y(x)和z(x)的所确定值来计算f(x)。

Patent Agency Ranking