【技术实现步骤摘要】
本专利技术涉及一种处理器,特别涉及一种提升人工神经网络的运算效能与效率的处理器。本申请案主张下列的美国临时申请案的国际优先权。这些优先权案的全文并入本案以供参考。本申请案关联于下列同时提出申请的美国申请案。这些关联申请案的全文并入本案以供参考。
技术介绍
近年来,人工神经网络(artificialneuralnetworks,ANN)重新吸引了人们的注意。这些研究通常被称为深度学习(deeplearning)、计算机学习(computerlearning)等类似术语。通用处理器运算能力的提升也推升了人们在数十年后的现在对于人工神经网络的兴趣。人工神经网络近期的应用包括语言与影像辨识等。对于提升人工神经网络的运算效能与效率的需求似乎正在增加。
技术实现思路
有鉴于此,本专利技术提供一种神经网络单元。此神经网络单元包括一随机位来源与多个神经处理单元。随机位来源用以产生随机位。各个神经处理单元包括一累加器与一舍入器(rounder)。神经处理单元将多个乘积累加至累加器以作为一累加值。舍入器由随机位来源接收随机位,并且依据由随机位来源接收的随机位,随机地(stochastically)对累加值执行舍入运算。本专利技术还提供一种运作一神经网络单元的方法。神经网络单元具有多个神经处理单元(NPU)。此方法包括:利用一随机位来源,以产生随机位;以及由各个神经处理单元:将多个乘积累加至一累加器以作为一累加值;利用一舍入器,由随机位来源接收随机位;以及利用舍入器,依据由随机位来源接收的随机位,随机地对累加值执行舍入运算。本专利技术还提供一种编码于至少一非瞬时计算机可使用媒体以 ...
【技术保护点】
一种神经网络单元,其特征在于,包括:一随机位来源,以产生随机位;以及多个神经处理单元(NPU),各该神经处理单元包括:一累加器,该神经处理单元将多个乘积累加至该累加器以作为一累加值;以及一舍入器(rounder),由该随机位来源接收该随机位,并且依据由该随机位来源接收的该随机位,随机地(stochastically)对该累加值执行舍入运算。
【技术特征摘要】
2015.10.08 US 62/239,254;2015.12.02 US 62/262,104;1.一种神经网络单元,其特征在于,包括:一随机位来源,以产生随机位;以及多个神经处理单元(NPU),各该神经处理单元包括:一累加器,该神经处理单元将多个乘积累加至该累加器以作为一累加值;以及一舍入器(rounder),由该随机位来源接收该随机位,并且依据由该随机位来源接收的该随机位,随机地(stochastically)对该累加值执行舍入运算。2.根据权利要求1所述的神经网络单元,其特征在于,还包括:一缓存器,可利用一舍入模式予以程序化,并且,当该舍入模式指示随机舍入时,该舍入器依据由该随机位来源接收的该随机位,随机地对该累加值执行舍入运算,当该舍入模式指示不同的舍入模式时,该舍入器执行该不同的舍入模式。3.根据权利要求1所述的神经网络单元,其特征在于,该累加值为一定点算术值。4.根据权利要求3所述的神经网络单元,其特征在于,还包括:一缓存器,可利用该定点算术累加值的一二进制小数点位置予以程序化,该二进制小数点位置指定该定点算术累加值的小数字元的数量。5.根据权利要求4所述的神经网络单元,其特征在于,该舍入器对该累加值执行舍入运算,以因应该神经处理单元将该累加值对准至一输出表示,该输出表示的小数字元数量少于程序化于该缓存器内的该小数字元数量。6.根据权利要求5所述的神经网络单元,其特征在于,还包括:一第二缓存器,可利用该输出表示的一二进制小数点地址予以程序化。7.根据权利要求1所述的神经网络单元,其特征在于,该神经处理单元利用第一与第二操作数计算各该多个乘积,并且,该第一与第二操作数中的每一个操作数为一定点算术值。8.根据权利要求7所述的神经网络单元,其特征在于,还包括:一第一缓存器,可利用该第一操作数的一二进制小数点位置予以程序化;以及一第二缓存器,可利用该第二操作数的一二进制小数点位置予以程序化。9.根据权利要求1所述的神经网络单元,其特征在于,该多个乘积中的每一个乘积为一定点算术值。10.根据权利要求1所述的神经网络单元,其特征在于,该随机位来源依据实现该神经网络单元的一集成电路的随机电性的取样动作产生该随机位。11.一种运作一神经网络单元的方法,该神经网络单元具有多个神经处理单元(NPU),其特征在于,该方法包括:利用一随机位来源,以产生随机位;以及由各该神经处理单元:将多...
【专利技术属性】
技术研发人员:G·葛兰·亨利,泰瑞·派克斯,
申请(专利权)人:上海兆芯集成电路有限公司,
类型:发明
国别省市:上海;31
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。