一种二值卷积神经网络处理器及其使用方法技术

本发明专利技术提供一种二值卷积神经网络处理器，包括：待计算数据存储装置，用于存储二值形式的待卷积数据的元素以及二值形式的卷积核元素；二值卷积装置，用于对所述二值形式的卷积核元素及所述二值形式的待卷积数据中相应的元素进行二值卷积操作；数据调度装置，用于将所述卷积核元素与所述待卷积数据中相应的元素载入所述二值卷积装置；池化装置，用于对卷积所获得的结果进行池化处理；以及归一化装置，用于对经过池化的结果进行归一化操作。

Two valued convolutional neural network processor and method of using the same

The invention provides a two processor convolutional neural network includes: to be calculated data storage device for storing two value form of convolution data elements and two value elements in the form of convolution; two value convolution device, used for the two value elements form the convolution kernel and the two form of value the corresponding data of two value elements of convolution convolution operation; data scheduling device for the convolution kernel elements and the corresponding element in the two convolution data load value convolution device; pool device, for access to the pool of convolution processing; and the normalized device used for normalization the result of the operation of the pool.

【技术实现步骤摘要】
一种二值卷积神经网络处理器及其使用方法
本专利技术涉及用于神经网络模型计算中数据的存储与调度。
技术介绍
随着人工智能技术的发展，涉及深度神经网络、尤其是卷积神经网络的技术在近几年得到了飞速的发展，在图像识别、语音识别、自然语言理解、天气预测、基因表达、内容推荐和智能机器人等领域均取得了广泛的应用。所述深度神经网络可以被理解为一种运算模型，其中包含大量数据节点，每个数据节点与其他数据节点相连，各个节点间的连接关系用权重表示。随着深度神经网络的不断发展，其复杂程度也在不断地提高。为了权衡复杂度和运算效果之间的矛盾，在参考文献：CourbariauxM,HubaraI,SoudryD,etal.Binarizedneuralnetworks:Trainingdeepneuralnetworkswithweightsandactivationsconstrainedto+1or-1[J].arXivpreprintarXiv:1602.02830,2016.中提出了可以采用“二值卷积神经网络模型”来降低传统神经网络的复杂度。在所述二值卷积神经网络中，卷积神经网络中的权重、输入数据、输出数据本文档来自技高网...

【技术保护点】
一种二值卷积神经网络处理器，包括：待计算数据存储装置，用于存储二值形式的待卷积数据的元素以及二值形式的卷积核元素；二值卷积装置，用于对所述二值形式的卷积核元素及所述二值形式的待卷积数据中相应的元素进行二值卷积操作；数据调度装置，用于将所述卷积核元素与所述待卷积数据中相应的元素载入所述二值卷积装置；池化装置，用于对卷积所获得的结果进行池化处理；以及归一化装置，用于对经过池化的结果进行归一化操作。

【技术特征摘要】
1.一种二值卷积神经网络处理器，包括：待计算数据存储装置，用于存储二值形式的待卷积数据的元素以及二值形式的卷积核元素；二值卷积装置，用于对所述二值形式的卷积核元素及所述二值形式的待卷积数据中相应的元素进行二值卷积操作；数据调度装置，用于将所述卷积核元素与所述待卷积数据中相应的元素载入所述二值卷积装置；池化装置，用于对卷积所获得的结果进行池化处理；以及归一化装置，用于对经过池化的结果进行归一化操作。2.根据权利要求1所述的二值卷积神经网络处理器，其中所述二值卷积装置，包括：XNOR门，其以所述二值形式的卷积核元素及所述二值形式的待卷积数据中相应的元素作为其输入；累加装置，其将所述XNOR门的输出作为其输入，用于对所述XNOR门的输出进行累加，以输出二值卷积操作的结果；其中，所述累加装置包括OR门和或汉明重量计算单元，其中，所述OR门的至少一个输入为所述XNOR门的输出；所述汉明重量计算单元的至少一个输入为所述XNOR门的输出。3.根据权利要求1所述的二值卷积神经网络处理器，其中所述待计算数据存储装置还被用于在线地对所获得的经过二值转换的卷积核和或待卷积数据进行存储。4.根据权利要求3所述的二值卷积神经网络处理器，其中还包括：二值化装置，用于将所获得的卷积核和或待卷积数据转换为二值形式。5.根据权利要求1所述的二值卷积神经网络处理器，其中所述数据调度装置中设置有寄存器，用于在使用时载入需要重复使用的卷积核元素...

【专利技术属性】
技术研发人员：韩银和，许浩博，王颖，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京,11