用于神经模拟器的共享存储器架构制造技术

本公开的各方面提供用于在用硬件实现的人工神经系统模拟器中分配存储器的方法和装置。根据一些方面，正被模拟的人工神经系统的一个或多个组件的存储器资源需求可被确定并且共享存储器池的各部分(可包括片上和/或片外RAM)可基于该确定来分配给各组件。

【技术实现步骤摘要】
【国外来华专利技术】根据35U.S.C.§119的优先权要求本申请要求于2013年10月11日提交的美国临时专利申请S/N.61/889,682、以及于2014年8月5日提交的美国专利申请S/N.14/451,954的权益，这两篇申请的全部内容通过援引纳入于此。背景领域本公开的一些方面一般涉及人工神经系统，更具体地涉及可用于在硬件模拟器中向此类人工神经系统的组件分配存储器的方法和装置。背景可包括一群互连的人工神经元(即神经处理单元)的人工神经网络是一种计算设备或者表示将由计算设备执行的方法。人工神经网络可具有生物学神经网络中的对应的结构和/或功能。然而，人工神经网络可为其中传统计算技术是麻烦的、不切实际的、或不胜任的某些应用提供创新且有用的计算技术。由于人工神经网络能从观察中推断出功能，因此这样的网络在因任务或数据的复杂度使得通过常规技术来设计该功能较为麻烦的应用中是特别有用的。一种类型的人工神经网络是尖峰(spiking)神经网络，其将时间概念以及神经元状态和突触状态纳入到其工作模型中，由此提供了丰富的行为集，在神经网络中能从该行为集涌现出计算功能。尖峰神经网络基于以下概念：神经元基于该神经元的状态在一个或多个特定时间激发或发放“尖峰”，并且该时间对于神经元功能而言是重要的。当神经元激发时，它生成一尖峰，该尖峰行进至其他神经元，这些其他神经元继而可基于接收到该尖峰的时间来调整它们的状态。换言之，信息可被编码在神经网络中的尖峰的相对或绝对定时中。概述本公开的一些方面一般涉及用于在用硬件实现的人工神经系统模拟器中分配存储器的方法。该方法一般包括确定正被模拟的人工神经系统的一个或多个组件的存储器资源需求以及基于该确定来向这些组件分配共享存储器池的各部分。本公开的某些方面还提供用于执行以上描述的操作的各种装置和程序产品。本公开的一些方面提供一种用于在用硬件实现的人工神经系统模拟器中分配存储器的装置。该装置一般包括处理系统，该处理系统被配置成确定正被模拟的人工神经系统的一个或多个组件的存储器资源需求以及基于该确定来向这些组件分配共享存储器池的各部分。本公开的一些方面提供一种用于在用硬件实现的人工神经系统模拟器中分配存储器的装备。该装备一般包括用于确定正被模拟的人工神经系统的一个或多个组件的存储器资源需求的装置以及用于基于该确定来向这些组件分配共享存储器池的各部分的装置。本公开的某些方面提供一种其上存储有可由计算机执行的指令的计算机可读介质。可执行这些指令以用于确定正被模拟的人工神经系统的一个或多个组件的存储器资源需求并基于该确定来向这些组件分配共享存储器池的各部分。附图简述为了能详细理解本公开的以上陈述的特征所用的方式，可参照各方面来对以上简要概述的内容进行更具体的描述，其中一些方面在附图中解说。然而应该注意，附图仅解说了本公开的某些典型方面，故不应被认为限定其范围，因为本描述可允许有其他等同有效的方面。图1解说了根据本公开的某些方面的示例神经元网络。图2解说了根据本公开的某些方面的计算网络(神经系统或神经网络)的示例处理单元(神经元)。图3解说了根据本公开的某些方面的示例尖峰定时依赖可塑性(STDP)曲线。图4是根据本公开的某些方面的用于人工神经元的状态的示例曲线图，其解说用于定义神经元的行为的正态相和负态相。图5是根据本公开的一些方面的用于为神经模型分配存储器的示例操作的流程图。图5A解说了能够执行图5中所示的操作的示例装置。图6解说了根据本公开的某些方面的用于使用通用处理器来操作人工神经系统的示例实现。图7解说了根据本公开的某些方面的用于操作人工神经系统的示例实现，其中存储器可与个体分布式处理单元对接。图8解说了根据本公开的某些方面的用于基于分布式存储器和分布式处理单元来操作人工神经系统的示例实现。图9解说根据本公开的某些方面的神经网络的示例实现。图10解说了根据本公开的某些方面的人工神经系统的示例硬件实现。详细描述以下参照附图更全面地描述本公开的各个方面。然而，本公开可用许多不同形式来实施并且不应解释为被限定于本公开通篇给出的任何具体结构或功能。相反，提供这些方面是为了使得本公开将是透彻和完整的，并且其将向本领域技术人员完全传达本公开的范围。基于本文中的教导，本领域技术人员应领会，本公开的范围旨在覆盖本文中所披露的本公开的任何方面，不论其是与本公开的任何其他方面相独立地实现还是组合地实现的。例如，可以使用本文所阐述的任何数目的方面来实现装置或实践方法。另外，本公开的范围旨在覆盖使用作为本文中所阐述的本公开的各个方面的补充或者另外的其他结构、功能性、或者结构及功能性来实践的此类装置或方法。应当理解，本文中所披露的本公开的任何方面可由权利要求的一个或多个元素来实施。措辞“示例性”在本文中用于表示“用作示例、实例或解说”。本文中描述为“示例性”的任何方面不必被解释为优于或胜过其他方面。尽管本文描述了特定方面，但这些方面的众多变体和置换落在本公开的范围之内。虽然提到了优选方面的一些益处和优点，但本公开的范围并非旨在被限定于特定益处、用途或目标。相反，本公开的各方面旨在能宽泛地应用于不同的技术、系统配置、网络和协议，其中一些作为示例在附图以及以下对优选方面的描述中解说。详细描述和附图仅仅解说本公开而非限定本公开，本公开的范围由所附权利要求及其等效技术方案来定义。示例神经系统图1解说根据本公开的某些方面的具有多级神经元的示例神经系统100。神经系统100可包括一级神经元102，该级神经元102通过突触连接网络104(即，前馈连接)来连接到另一级神经元106。为简单起见，图1中仅解说了两级神经元，但在典型的神经系统中可存在更少或更多级神经元。应注意，一些神经元可通过侧向连接来连接至同层中的其他神经元。此外，一些神经元可通过反馈连接来后向连接至先前层中的神经元。如图1所解说的，级102中的每一神经元可接收输入信号108，输入信号108可以是由前一级(图1中未示出)的多个神经元所生成的。信号108可表示至级102的神经元的输入(例如，输入电流)。此类输入可在神经元膜上累积以对膜电位进行充电。当膜电位达到其阈值时，该神经元可激发并生成输出尖峰，该输出尖峰将被传递到下一级神经元(例如，级106)。此类行为可在硬件和/或软件(包括模拟和数字实现)中本文档来自技高网...

【技术保护点】
一种用于在用硬件实现的人工神经系统模拟器中分配存储器的方法，包括：确定正被模拟的人工神经系统的一个或多个组件的存储器资源需求；以及基于所述确定来向所述组件分配共享存储器池的各部分。

【技术特征摘要】
【国外来华专利技术】2013.10.11 US 61/889,682;2014.08.05 US 14/451,9541.一种用于在用硬件实现的人工神经系统模拟器中分配存储器的方法，包
括：
确定正被模拟的人工神经系统的一个或多个组件的存储器资源需求；以及
基于所述确定来向所述组件分配共享存储器池的各部分。
2.如权利要求1所述的方法，其特征在于，所述分配在编译正被模拟的所
述人工神经系统时执行。
3.如权利要求1所述的方法，其特征在于，所述分配在存储器资源需求改
变时动态地执行。
4.如权利要求1所述的方法，其特征在于，所述共享存储器池的至少一部
分包括位于与所述人工神经系统模拟器的处理器不同的芯片上的存储器。
5.如权利要求1所述的方法，其特征在于：
所述组件包括人工神经元；并且
确定存储器资源需求包括基于所述人工神经元的状态或类型中的至少一
者来确定资源。
6.如权利要求1所述的方法，其特征在于，所述共享存储器池被实现为分
布式架构，所述分布式架构包括存储器组、写客户机、读客户机以及将所述存
储器组与所述写客户机和所述读客户机对接的路由器。
7.如权利要求1所述的方法，其特征在于，所述分配包括基于所述确定来
改变分配给所述组件的所述共享存储器池的量。
8.一种用于在用硬件实现的人工神经系统模拟器中分配存储器的装置，所
述装置包括处理系统，所述处理系统被配置成：
确定正被模拟的人工神经系统的一个或多个组件的存储器资源需求；以及
基于所述确定来向所述组件分配共享存储器池的各部分。
9.如权利要求8所述的装置，其特征在于，所述处理系统被配置成在编译
正被模拟的所述人工神经系统时执行所述分配。
10.如权利要求8所述的装置，其特征在于，所述处理系统被配置成在
存储器资源需求改变时动态地执行所述分配。
11.如权利要求8所述的装置，其特征在于，所述共享存储器池的至少
一部分包括位于与所述人工神经系统模拟器的处理器不同的芯片上的存储器。
12.如权利要求8所述的装置，其特征在于...

【专利技术属性】
技术研发人员：V·兰甘，J·K·文格任，J·A·列文，J·P·丹尼尔斯，
申请(专利权)人：高通股份有限公司，
类型：发明
国别省市：美国;US