The invention relates to a reconfigurable convolution neural network acceleration circuit based on asynchronous logic, which comprises three components: the basic operation unit PE (Processing Element), the operation array composed of PE and the configurable pooling unit PU (Pooling Unit). Firstly, the basic architecture of the reconfigurable circuit is used to reconstruct the operation arrays according to different convolutional neural network models. Secondly, the whole circuit is based on asynchronous logic, using the local clock generated by the Click unit in the asynchronous circuit to replace the global clock in the synchronous circuit and cascading multiple Click units together. Finally, the circuit uses the asynchronous fully connected Mesh network to achieve data reuse, reducing the number of memory access to reduce power consumption. On the one hand, the circuit of the invention has the advantages of flexible structure, high parallelism and high data reuse rate, on the other hand, it has the advantage of power consumption compared with the acceleration circuit realized by synchronous logic, and can greatly improve the operation speed of convolutional neural network under low power consumption.
【技术实现步骤摘要】
一种基于异步逻辑的可重构卷积神经网络加速电路
本专利技术属于集成电路设计
,特别涉及一种基于异步逻辑的可重构卷积神经网络加速电路。
技术介绍
近年来,卷积神经网络(ConvolutionalNeuralNetwork,CNN)成为图像识别领域中最有效的一种模型。由于在传统的计算平台(如CPU、GPU)进行卷积神经网络的运算存在速度慢、功耗大、能效低等一系列问题,卷积神经网络加速电路的设计是目前的一个研究热点。由于卷积神经网络具有以下特点:不同模型的层数存在差异、同一模型的不同层的计算参数存在差异、卷积层运算量大。如果采用传统的专用集成电路(ASIC)的方式,能获得最大的能效,但只能实现某种特定的卷积神经网络模型且无法更改,因此其通用性受到严重限制。如果采用FPGA进行卷积神经网络的优化,则以牺牲能效的方式扩展了通用性,但此方法对每个不同的卷积神经网络,都需要重新开发并设计新的硬件电路。因此如何保证电路能够运行尽可能多的卷积神经网络模型并维持高能效是目前一个研究难点。另外目前绝大多数的卷积神经网络加速电路都是基于同步逻辑,即存在一个全局时钟(GlobalClock)来统一指挥协调加速电路的工作。由于时钟树的存在,同步加速电路在能效上具有一定的局限性。同时,随着工艺的进步以及各种电子产品对功耗越来越高的约束,同步电路遇到了低功耗等性能瓶颈。
技术实现思路
为了克服上述现有技术的缺点,本专利技术的目的在于提供一种基于异步逻辑的可重构卷积神经网络加速电路,能在较低功耗下大大提高卷积神经网络的运算速度。为了实现上述目的,本专利技术采用的技术方案是:一种基于异步逻辑 ...
【技术保护点】
1.一种基于异步逻辑的可重构卷积神经网络加速电路,其特征在于,采用可重构电路的基本架构,从而针对不同的卷积神经网络模型将计算单元阵列进行重构,包括:片外DRAM,存储输入数据;控制器,接受主机处理器提供的配置信息,并在每次运算之前将其写入计算单元阵列,配置信息决定了计算单元阵列的调度方法以及数据的复用方法;输入缓存器,从片外DRAM读取待处理数据;输入寄存器,从输入缓存器读取待处理数据;计算单元阵列,从输入寄存器读取待处理数据进行处理;输出缓冲器,接收计算单元阵列的处理结果,将输出数据发送至片外DRAM;其中,组成计算单元阵列的各电路模块间通过“请求”、“应答”信号实现握手通信,使电路整体基于异步逻辑。
【技术特征摘要】
1.一种基于异步逻辑的可重构卷积神经网络加速电路,其特征在于,采用可重构电路的基本架构,从而针对不同的卷积神经网络模型将计算单元阵列进行重构,包括:片外DRAM,存储输入数据;控制器,接受主机处理器提供的配置信息,并在每次运算之前将其写入计算单元阵列,配置信息决定了计算单元阵列的调度方法以及数据的复用方法;输入缓存器,从片外DRAM读取待处理数据;输入寄存器,从输入缓存器读取待处理数据;计算单元阵列,从输入寄存器读取待处理数据进行处理;输出缓冲器,接收计算单元阵列的处理结果,将输出数据发送至片外DRAM;其中,组成计算单元阵列的各电路模块间通过“请求”、“应答”信号实现握手通信,使电路整体基于异步逻辑。2.根据权利要求1所述基于异步逻辑的可重构卷积神经网络加速电路,其特征在于,所述配置信息,根据不同的CNN模型进行配置,或根据同一CNN模型的不同层进行配置。3.根据权利要求1所述基于异步逻辑的可重构卷积神经网络加速电路,其特征在于,所述电路整体基于异步逻辑,是通过使用异步电路中的Click单元产生的局部时钟取代同步电路中的全局时钟并使用多个Click单元级联起来形成异步流水线结构的方式实现的。4.根据权利要求1所述基于异步逻辑的可重构卷积神经网络加速电路,其特征在于,电路使用异步全连通的Mesh网络来实现数据的复用,通过...
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。