【技术实现步骤摘要】
一种高能效的神经网络处理器、加速系统及方法
本专利技术涉及神经网络处理装置领域,具体地说是一种高能效的神经网络处理器、加速系统及方法。
技术介绍
深度学习技术是人工智能技术发展的助推器,深度学习采用深度神经网络的拓扑结构进行训练、优化及推理。卷积神经网络是深度学习的基础,在卷积运算在整个算法中计算量大,需要大量的乘法器单元,是影响性能的一个瓶颈。目前采用的方法是;并行地做乘法再做累加,形成若干乘法器的输出接入到一颗加法树的结构。现有的系统以及方法在并行地做乘法再做累加时,需要多次读取权重数据以及相关数据,对存储单元以及乘法器的损耗较大,且计算速度慢。如何减小对乘法器以及数据存储器的读写次数,加速神经网络的计算,是需要解决的技术问题。
技术实现思路
本专利技术的技术任务是针对以上不足,提供一种高能效的神经网络处理器、加速系统及方法,来解决如何减小对乘法器以及数据存储器的读写次数,加速神经网络的计算的问题。第一方面,本专利技术实施例提供一种高能效的神经网络处理器,为包含ARM核的主控芯片,包括:处理器单元,用于获取输入数据、权重数据并根据神经网络的模型生成指令数据;逻辑计算单元,其通过总线接口与处理器单元电连接,包括指令FIFO子单元、数据FIFO子单元、排序子单元、加法子单元以及多个PE计算子单元,其中:指令FIFO子单元,用于实现指令数据的FIFO,并根据指令数据激活适量个数的PE计算子单元以及PE计算子单元的资源;数据FIFO子单元,用于实现权重数据和输入数据的FIFO;排序子模块,用于基于为正数的权重数据优先输出、为负数的权重数据后输出、为零的权重数据不输 ...
【技术保护点】
1.一种高能效的神经网络处理器,其特征在于为包含ARM核的主控芯片,包括:处理器单元,用于获取输入数据、权重数据并根据神经网络的模型生成指令数据;逻辑计算单元,其通过总线接口与处理器单元电连接,包括指令FIFO子单元、数据FIFO子单元、排序子单元、加法子单元以及多个PE计算子单元,其中:指令FIFO子单元,用于实现指令数据的FIFO,并根据指令数据激活适量个数的PE计算子单元以及PE计算子单元的资源;数据FIFO子单元,用于实现权重数据和输入数据的FIFO;排序子模块,用于基于为正数的权重数据优先输出、为负数的权重数据后输出、为零的权重数据不输出的原则,依序输出权重数据和输入数据;PE计算子单元,用于对权重数据和输入数据进行卷积运算和池化运算,并用于判断是否自动终止卷积运算;上述PE计算子单元共多个,其以数据复用的方式获取输入数据,并通过并行计算的方式对权重数据和输入数据进行卷积运算和池化运算;加法子单元,用于对上述多个PE计算子单元输出的数据进行加法运算。
【技术特征摘要】
1.一种高能效的神经网络处理器,其特征在于为包含ARM核的主控芯片,包括:处理器单元,用于获取输入数据、权重数据并根据神经网络的模型生成指令数据;逻辑计算单元,其通过总线接口与处理器单元电连接,包括指令FIFO子单元、数据FIFO子单元、排序子单元、加法子单元以及多个PE计算子单元,其中:指令FIFO子单元,用于实现指令数据的FIFO,并根据指令数据激活适量个数的PE计算子单元以及PE计算子单元的资源;数据FIFO子单元,用于实现权重数据和输入数据的FIFO;排序子模块,用于基于为正数的权重数据优先输出、为负数的权重数据后输出、为零的权重数据不输出的原则,依序输出权重数据和输入数据;PE计算子单元,用于对权重数据和输入数据进行卷积运算和池化运算,并用于判断是否自动终止卷积运算;上述PE计算子单元共多个,其以数据复用的方式获取输入数据,并通过并行计算的方式对权重数据和输入数据进行卷积运算和池化运算;加法子单元,用于对上述多个PE计算子单元输出的数据进行加法运算。2.根据权利要求1所述的一种高能效的神经网络处理器,其特征在于PE计算子单元包括:多个卷积计算微单元,用于以数据复用的方式获取输入数据,通过串行计算的方式对权重数据和输入数据进行卷积运算;激活函数,配置为relu函数,用于判断是否终止卷积计算微单元内的卷积运算,判断原则为:如果卷积计算微单元内对当前M个权重数据和相关的输入数据的卷积运算为负数,则自动终止卷积计算微单元内的卷积运算并输出零;否则,对N个权重数据和相关的输入数据进行卷积运算并输出为正数的卷积数据;其中,M<N,N为位于卷积计算微单元内的权重数据的总数;池化层,用于对每个卷积计算微单元的输出数据进行池化操作。3.根据权利要求1或2所述的一种高能效的神经网络处理器,其特征在于逻辑计算单元还包括:压缩/解压单元,用于按照神经网络的层次并根据游程编码压缩算法对权重数据进行压缩,或者对压缩后的权重数据进行无损解压。4.根据权利要求1或2所述的一种高能效的神经网络处理器,其特征在于逻辑计算单元还包括:缓存子单元,用于暂存权重数据、输入数据以及指令数据。5.根据权利要求1或2所述的一种高能效的神经网络处理器,其特征在于总线接口为AXI接口,其支持DMA数据传输方...
【专利技术属性】
技术研发人员:秦刚,姜凯,李朋,
申请(专利权)人:济南浪潮高新科技投资发展有限公司,
类型:发明
国别省市:山东,37
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。