计算装置和方法制造方法及图纸

一种计算装置和方法，所述计算装置用于接收输入数据并根据输入数据产生输出数据，输入数据包括一个或多个输入神经元数据和一个或多个权值数据，输出数据包括一个或多个输出神经元数据，所述计算装置包括运算单元，用于接收指令对所述输入神经元数据和所述映射后的权值数据执行运算，得到输出神经元数据。本公开的装置解决了CPU和GPU运算性能不足，前端译码开销大的问题，有效提高了对人工神经网络运算算法的支持，避免了内存带宽成为人工神经网络运算及其训练算法性能瓶颈的问题。

【技术实现步骤摘要】
计算装置和方法
本公开涉及数据处理
，更具体地涉及一种计算装置和方法。
技术介绍
人工神经网络(ArtificialNeuralNetworks，ANNs)简称为神经网络(NNs)，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间的相互连接关系，从而达到处理信息的目的。神经网络用到的算法就是向量乘法，并且广泛采用符号函数及其各种逼近。就像大脑里的神经网络一样，神经网络由一些互相连接的节点组成，如图1所示，每个圆圈表示一个神经元，每个箭头表示两个神经元之间的连接又被称为权值。神经元的计算公式可以简单的描述成：其中，x表示所有和输出神经元相连接的输入神经元，w表示x和输出神经元之间对应的权值。f(x)是一个非线性函数，通常称作激活函数，常用的函数如：等。神经网络被广泛应用于各种应用场景：计算视觉、语音识别和自然语言处理等。在近几年的时间里，神经网络的规模一直在增长。在1998年，Lecun用于手写字符识别的神经网络的规模小于1M个权值；在2012年，krizhevsky用于参加ImageNet竞赛的规模是6本文档来自技高网...

【技术保护点】
一种计算装置，用于接收输入数据并根据输入数据产生输出数据，输入数据包括一个或多个输入神经元数据和一个或多个权值数据，输出数据包括一个或多个输出神经元数据，其特征在于，所述输入数据还包括连接关系数据，所述连接关系数据表示每个输入神经元数据和每个输出神经元数据是否有对应的符合一条件的权值数据；所述计算装置包括：映射单元，用于接收连接关系数据和所述权值数据，然后根据连接关系数据对所述权值数据做映射处理，得到映射后的权值数据；以及运算单元，用于接收指令对所述输入神经元数据和所述映射后的权值数据执行运算，得到输出神经元数据。

【技术特征摘要】
1.一种计算装置，用于接收输入数据并根据输入数据产生输出数据，输入数据包括一个或多个输入神经元数据和一个或多个权值数据，输出数据包括一个或多个输出神经元数据，其特征在于，所述输入数据还包括连接关系数据，所述连接关系数据表示每个输入神经元数据和每个输出神经元数据是否有对应的符合一条件的权值数据；所述计算装置包括：映射单元，用于接收连接关系数据和所述权值数据，然后根据连接关系数据对所述权值数据做映射处理，得到映射后的权值数据；以及运算单元，用于接收指令对所述输入神经元数据和所述映射后的权值数据执行运算，得到输出神经元数据。2.如权利要求1所述的计算装置，其特征在于，所述符合一条件的权值数据包括非零权值数据。3.如权利要求2所述的计算装置，其特征在于，映射单元根据连接关系数据对所述权值数据做映射处理，得到映射后的权值数据包括：对于每个输出神经元数据，映射单元补上零权值数据，将零权值数据对应到与该输出神经元数据没有对应的非零权值数据的输入神经元数据，将权值数据和零权值数据合并输出。4.如权利要求1-3中任一所述的计算装置，其特征在于，所述运算单元接收指令对所述输入神经元数据和所述映射后的权值数据执行运算，得到输出神经元数据包括：所述运算单元将所述输入神经元数据和映射后的权值数据相乘，得到加权神经元数据；将加权神经元数据相加得到总加权神经元数据；和/或对总加权神经元数据执行激活函数运算，得到输出神经元数据。5.如权利要求4所述的计算装置，其特征在于，所述运算单元将加权神经元数据相加得到总加权神经元数据包括将加权神经元数据执行加法树运算得到总加权神经元数据。6.如权利要求5所述的计算装置，其特征在于，所述运算单元将总加权神经元数据和偏置相加得到加偏置神经元数据，和/或对加偏置神经元数据执行激活函数...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：南京艾溪信息科技有限公司，
类型：发明
国别省市：江苏,32