A neuromorphological processor based on segment multiplexing and parametric sharing belongs to the field of neuromorphological hardware technology. Quantitative parameter control module is used to read the current synapse type directly from the outside during the operation phase of the neuromorphic processor, and configure the neuron computing unit according to the synapse type read; synchronous reset module is used to reset the neuromorphic processor globally; the core module of neuron operation is used to perform neuromorphic calculation, temporary input data and routing results, and neuron operation. The input pulse data and synaptic type of the core module are input in segments, and each segment is calculated and then output to the next neuron operation core module. The core module of each neuron operation is multiplexed by time-sharing reuse method. The invention greatly reduces the data and processor area that need to be stored directly on the neuromorphological processor, greatly improves the computing efficiency of the processor and reduces the computing power consumption.
【技术实现步骤摘要】
一种基于分段复用和参数量化共享的神经形态处理器
本专利技术属于神经形态硬件
,涉及一种基于分段复用和参数量化共享的大规模神经形态处理器、设计方法、芯片。
技术介绍
1989年,C.Mead首次提出“神经形态计算”概念。神经形态计算也被称为神经形态工程(neuromorphichardware),是对大脑的逆向工程,旨在采用忆阻器、阈值开关或者模拟、数字、数模混合技术构造大脑神经系统基本单元——神经元和突触,并借鉴大脑神经细胞组织方式将神经元与突触组织起来,从而构建大规模神经形态硬件,实现类似生物神经系统的信息处理能力,并尽可能达到低功耗、低资源消耗和高适应性。现有的神经形态硬件需预先存储与需要计算的神经形态网络中的神经元个数相等个数的参数才可以完成该网络的计算操作。一般地,能实现实际功能的神经形态网络至少有两层网络,要实现的功能越复杂其规模也越大,用神经形态硬件构筑的复杂神经网络需消耗大量的片上存储空间来存储该网络的各种参数。随着神经形态网络的规模的不断扩展,配置神经元所用的权值、阈值、突出延迟、不应期等参数的数据量也越来越大,对应神经形态硬件的片上存储资源有限的限制下,如何有效地表示和存储神经形态网络的参数将成为制约硬件化的大规模神经形态网络的实现的重要因素。
技术实现思路
针对现有神经形态处理器需要大量存储空间存储网络参数的问题,本专利技术提出了一种基于分段复用和参数共享的大规模神经形态处理器,该架构在现有的神经形态处理器架构中引入了分段复用和参数量化共享结构,从而有效节约处理器的存储空间、大幅度缩小处理器面积、极大提高处理器计算效率、降低运行功耗。 ...
【技术保护点】
1.一种基于分段复用和参数量化共享的神经形态处理器,其特征在于,包括同步复位模块(5)、量化参数控制模块(10)和级联的多个神经元运算核心模块(12):所述同步复位模块(5)用于全局复位所述神经形态处理器;所述神经元运算核心模块(12)包括:至少一个数据缓存单元(18),所述数据缓存单元(18)包括参数缓冲单元(26)和输入缓冲单元(25),所述参数缓冲单元(26)用于缓存神经元配置参数(14)并分段缓存突触类型(28),所述输入缓冲单元(25)用于分段缓存输入数据(27),其中级联的第一级神经元运算核心模块(12)的输入数据(27)为所述神经形态处理器的输入脉冲数据,其余神经元运算核心模块(12)的输入数据(27)为上一级神经元运算核心模块(12)输出的脉冲数据包;至少一个神经元计算单元(22),用于对所述输入缓冲单元(25)缓存的输入数据(27)的每一段进行神经形态计算;至少一个脉冲数据路由单元(23),用于接收所述神经元计算单元(22)将所述输入数据(27)的每一段全部计算完成后的脉冲数据构成脉冲数据包,并路由该脉冲数据包至下一级神经元运算核心模块(12);至少一个分时复用控制单 ...
【技术特征摘要】
1.一种基于分段复用和参数量化共享的神经形态处理器,其特征在于,包括同步复位模块(5)、量化参数控制模块(10)和级联的多个神经元运算核心模块(12):所述同步复位模块(5)用于全局复位所述神经形态处理器;所述神经元运算核心模块(12)包括:至少一个数据缓存单元(18),所述数据缓存单元(18)包括参数缓冲单元(26)和输入缓冲单元(25),所述参数缓冲单元(26)用于缓存神经元配置参数(14)并分段缓存突触类型(28),所述输入缓冲单元(25)用于分段缓存输入数据(27),其中级联的第一级神经元运算核心模块(12)的输入数据(27)为所述神经形态处理器的输入脉冲数据,其余神经元运算核心模块(12)的输入数据(27)为上一级神经元运算核心模块(12)输出的脉冲数据包;至少一个神经元计算单元(22),用于对所述输入缓冲单元(25)缓存的输入数据(27)的每一段进行神经形态计算;至少一个脉冲数据路由单元(23),用于接收所述神经元计算单元(22)将所述输入数据(27)的每一段全部计算完成后的脉冲数据构成脉冲数据包,并路由该脉冲数据包至下一级神经元运算核心模块(12);至少一个分时复用控制单元(19),用于检测所述神经元计算单元(22)的运行状态并且采取分时复用的策略以控制所述神经元计算单元(22);级联的最后一级神经元运算核心模块(12)中所述神经元计算单元(22)将所述输入数据(27)的每一段全部计算完成后输出脉冲数据作为所述神经...
【专利技术属性】
技术研发人员:胡绍刚,刘夏恺,张成明,乔冠超,刘洋,于奇,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
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。