【技术实现步骤摘要】
本专利技术涉及数据处理
,更具体地涉及一种用于稀疏连接的人工神经网络计算装置和方法。
技术介绍
人工神经网络(ArtificialNeuralNetworks,ANNs)简称为神经网络(NNs),它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间的相互连接关系,从而达到处理信息的目的。神经网络用到的算法就是向量乘法,并且广泛采用符号函数及其各种逼近。就像大脑里的神经网络一样,神经网络由一些互相连接的节点组成,如图1所示,每个圆圈表示一个神经元,每个箭头表示两个神经元之间的连接又被称为权值。神经元的计算公式可以简单的描述成:其中,x表示所有和输出神经元相连接的输入神经元,w表示x和输出神经元之间对应的权值。f(x)是一个非线性函数,通常称作激活函数,常用的函数如:等。神经网络被广泛应用于各种应用场景:计算视觉、语音识别和自然语言处理等。在近几年的时间里,神经网络的规模一直在增长。在1998年,Lecun用于手写字符识别的神经网络的规模小于1M个权值;在2012年,krizhevsky用于参加ImageNet竞赛的规模是60M个权值。神经网络是一个高计算量和高访存的应用,权值越多,计算量和访存量都会增大。为了减小计算量和权值数量,从而降低访存量,出现了稀疏连接的神经网络,如图2所示即为一个稀疏的神经网络。随 ...
【技术保护点】
一种用于稀疏连接的人工神经网络计算装置,其特征在于,包括:映射单元,用于将输入数据转换成输入神经元和权值一一对应的存储方式,并存储在存储装置和/或缓存中;存储装置,用于存储数据和指令;运算单元,用于根据所述存储装置中存储的指令对所述数据执行相应的运算;所述运算单元主要执行三步运算,第一步是将所述输入神经元和权值数据相乘;第二步执行加法树运算,用于将第一步处理后的加权输出神经元通过加法树逐级相加,或者将输出神经元通过和偏置相加得到加偏置输出神经元;第三步执行激活函数运算,得到最终输出神经元。
【技术特征摘要】
1.一种用于稀疏连接的人工神经网络计算装置,其特征在于,包括:
映射单元,用于将输入数据转换成输入神经元和权值一一对应的存储
方式,并存储在存储装置和/或缓存中;
存储装置,用于存储数据和指令;
运算单元,用于根据所述存储装置中存储的指令对所述数据执行相应
的运算;所述运算单元主要执行三步运算,第一步是将所述输入神经元和
权值数据相乘;第二步执行加法树运算,用于将第一步处理后的加权输出
神经元通过加法树逐级相加,或者将输出神经元通过和偏置相加得到加偏
置输出神经元;第三步执行激活函数运算,得到最终输出神经元。
2.如权利要求1所述的用于稀疏连接的人工神经网络计算装置,其
特征在于,所述映射单元中的一一对应关系如下表示:
第一种情形:
采用1表示有连接,0表示无连接,每个输出与所有输入的连接状
态组成一个0和1的字符串来表示该输出的连接关系;或者
采用1表示有连接,0表示无连接,每个输入与所有输出的连接状
态组成一个0和1的字符串来表示该输入的连接关系;
第二种情形:
将一输出第一个连接所在的位置距离第一个输入神经元的距离、所
述输出第二个输入神经元距离上一个输入神经元的距离,所述输出第三个
输入神经元距离上一个输入神经元的距离,……,依次类推,直到穷举所
述输出的所有输入,来表示所述输出的连接关系。
3.如权利要求1所述的用于稀疏连接的人工神经网络计算装置,其
特征在于,所述人工神经网络计算装置还包括DMA,用于在所述存储装
置和缓存中进行数据或者指令读写。
4.如权利要求3所述的用于稀疏连接的人工神经网络计算装置,其
特征在于,所述人工神经网络计算装置还包括:
指令缓存,用于存储专用指令;以及
控制单元,用于从所述指令缓存中读取专用指令,并将其译码成各运
算单元指令。
5.如权利要求3所述的用于稀疏连接的人工神经网络计算装置,其
特征在于,所述人工神经网络计算装置还包括:
输入神经元缓存,用于缓存输入到所述运算单元的输入神经元数据;
以及
权值缓存,用于缓存权值数据。
6.如权利要求3所述的用于稀疏连接的人工神经网络计...
【专利技术属性】
技术研发人员:张士锦,郭崎,陈云霁,陈天石,
申请(专利权)人:南京艾溪信息科技有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。