The present disclosure provides a computing device including a computing module for receiving and calculating converted input data and parameter matrices. The present disclosure also provides a calculation method. The invention discloses a computing device and method, which reduces the amount of data in the neural network, reduces the storage overhead and speeds up the calculation speed.
【技术实现步骤摘要】
计算装置及方法
本公开涉及人工智能
，尤其涉及一种可加速神经网络运算的计算装置及方法。
技术介绍
神经网络算法已成为许多不同领域中最先进的算法，如图像识别领域、语音识别领域和自然语言处理领域。这其中最为主要的网络是深度学习。这些神经网络通过不同层的神经元，完成不同的操作，从而对输入数据进行处理，最后得到相应的输出结果。通常来说，神经网络中的正向计算存在于训练和测试过程中，因此正向计算的效率对于整个神经网络是非常重要的。更进一步的，对于神经网络，卷积操作是一个非常重要的操作，通常具较大的计算量也因此具有较大的开销。例如，在卷积神经网络中，卷积层的计算占到整个网络的80％以上的计算时间。然而，在实现本公开的过程中，申请人发现现有技术主要存在如下技术缺陷：神经网络不能快速的完成正向计算，特别是卷积操作。
技术实现思路
(一)要解决的技术问题为了解决或者至少部分缓解上述技术问题，本公开提供一种可加速神经网络运算的计算装置及方法，通过将计算转换至其他的空间(这里的空间指的是数学意义上的几何空间)进行计算，从而可以加速神经网络中计算如卷积计算，从而加速整个网络的快速完成。(...
【技术保护点】
1.一种计算装置，包括：转换模块，用于对输入数据和/或参数矩阵进行空间转换，从第一几何空间转换至第二几何空间；以及计算模块，与所述转换模块连接，用于接收转换后的输入数据及参数矩阵并进行计算。
【技术特征摘要】
1.一种计算装置，包括：转换模块，用于对输入数据和/或参数矩阵进行空间转换，从第一几何空间转换至第二几何空间；以及计算模块，与所述转换模块连接，用于接收转换后的输入数据及参数矩阵并进行计算。2.根据权利要求1所述的计算装置，其中，通过空间转换将输入数据、参数矩阵利用第二几何空间基向量的线性组合表示，也即将其在第二几何空间展开。3.根据权利要求1或2所述的计算装置，其中，所述输入数据及参数矩阵为卷积层，降采样层，归一化层或正则化层所使用的输入数据及参数矩阵。4.根据权利要求1至3中任一项所述的计算装置，其中，所述第一几何空间为空域，所述第二几何空间为频域。5.根据权利要求1至4中任一项所述的计算装置，其中，所述空间变换的方式为可逆空间变换，包括FFT...
【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：上海寒武纪信息科技有限公司，
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。