The invention provides an operation device, an operation execution device and an operation method, which consists of a controller, a memory and an operation device; the memory is used to store a pre set set of instructions; a single instruction set includes a single instruction corresponding to each operation when the operation device performs multi-layer operations; The single instruction includes the module selection parameter and the module running parameter; the controller is used to read the current single instruction corresponding to the current layer operation required from the memory, and analyzes the module selection parameters and the module running parameters included in the current single instruction, and determines the operation path corresponding to the current single instruction; the operation device is determined. It is used to connect the operation path corresponding to the current single instruction under the control of the controller, and use the operation path corresponding to the current single instruction to process the input data of the operation device in the current layer operation, and generate the output data of the current layer operation. The invention can effectively improve the utilization ratio of hardware resources for realizing the neural network.
【技术实现步骤摘要】
运算装置、运算执行设备及运算执行方法
本专利技术涉及人工智能
,尤其是涉及一种运算装置、运算执行设备及运算执行方法。
技术介绍
在诸如图像识别、语音识别以及文字识别等领域中,神经网络凭借着其强大的计算能力已得到广泛应用,在诸如抓拍机、人脸识别器等图像处理设备中均应用神经网络对图像进行处理。在将神经网络应用于产品时,神经网络的运行需要借助诸如FPGA(FieldProgrammableGateArray,现场可编程门阵列)、ASIC(ApplicationSpecificIntegratedCircuit,专用集成电路)等硬件实现。由于神经网络需要涉及到诸如卷积、池化、全连接等多个运算层,每个运算层对应相同或不同的计算逻辑下的网络结构;不同的网络结构均需要对应设计不同的硬件结构,这种对神经网络的实现方式极易造成硬件资源的浪费。
技术实现思路
有鉴于此,本专利技术的目的在于提供一种运算装置、运算执行设备及运算执行方法,能够改善现有技术中实现神经网络的硬件资源容易浪费的技术问题,可有效提升硬件资源利用率。为了实现上述目的,本专利技术实施例采用的技术方案如下:第一方面,本专利技术实施例提供了一种运算装置,所述运算装置用于实现复用神经网络架构,所述运算装置包括多种功能运算模块,所述功能运算模块包括以下至少之一:拼接模块、扩充模块、卷积模块和量化模块;多种所述功能运算模块通过组合可连通形成多条运算通路;其中,每条所述运算通路用于实现一种计算逻辑;所述计算逻辑包括以下至少之一:卷积操作、反卷积操作、池化操作、量化操作和全连接操作。进一步,每种所述功能运算模块对应一种或 ...
【技术保护点】
1.一种运算装置,其特征在于,所述运算装置用于实现复用神经网络架构,所述运算装置包括多种功能运算模块,所述功能运算模块包括以下至少之一:拼接模块、扩充模块、卷积模块和量化模块;多种所述功能运算模块通过组合可连通形成多条运算通路;其中,每条所述运算通路用于实现一种计算逻辑;所述计算逻辑包括以下至少之一:卷积操作、反卷积操作、池化操作、量化操作和全连接操作。
【技术特征摘要】
1.一种运算装置,其特征在于,所述运算装置用于实现复用神经网络架构,所述运算装置包括多种功能运算模块,所述功能运算模块包括以下至少之一:拼接模块、扩充模块、卷积模块和量化模块;多种所述功能运算模块通过组合可连通形成多条运算通路;其中,每条所述运算通路用于实现一种计算逻辑;所述计算逻辑包括以下至少之一:卷积操作、反卷积操作、池化操作、量化操作和全连接操作。2.根据权利要求1所述的装置,其特征在于,每种所述功能运算模块对应一种或多种运算类型;其中,所述运算类型包括拼接运算、扩充运算、卷积运算、池化运算、量化运算、非线性运算或全连接运算。3.根据权利要求1所述的装置,其特征在于,所有的所述运算通路均至少包括所述拼接模块和所述卷积模块。4.根据权利要求3所述的装置,其特征在于,在第一运算通路中还包括所述扩充模块,所述卷积模块接在所述扩充模块之后,以实现反卷积操作。5.根据权利要求3所述的装置,其特征在于,在第二运算通路中,所述卷积模块包括卷积核大小为1*1的卷积层,以实现全连接操作。6.根据权利要求3所述的装置,其特征在于,在第三运算通路中还包括量化模块,且所述量化模块设置于所述第三运算通路的末端,以实现量化操作。7.根据权利要求3所述的装置,其特征在于,在第四运算通路中仅包括所述拼接模块和所述卷积模块,以实现卷积操作。8.根据权利要求2所述的装置,其特征在于,所述卷积模块包括带跨度的卷积层;当所述卷积层的跨度为1时,所述卷积模块用于实现卷积运算,当所述卷积层的跨度不为1时,所述卷积模块用于实现卷积运算和池化运算。9.根据权利要求2所述的装置,其特征在于,所述量化模块通过将浮点数值量化为低位的比特值的方式实现参数压缩和非线性运算。10.根据权利要求1所述的装置,其特征在于,所述功能运算模块还包括反卷积模块、池化模块或全连接模块。11.一种运算执行设备,其特征在于,所述运算执行设备包括:控制器、存储器和如权利要求1至10任一项所述的运算装置;所述存储器用于存储预先设置的单指令集合;其中,所述单指令集合包括所述运算...
【专利技术属性】
技术研发人员:周舒畅,胡晨,梁喆,
申请(专利权)人:北京旷视科技有限公司,
类型:发明
国别省市:北京,11
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。