【技术实现步骤摘要】
基于异步电路的SCNN推理装置及其PE单元、处理器及计算机设备
本专利技术涉及及图像处理识别领域，具体涉及一种基于异步电路的SCNN(SpikingConvolutionNeuronNetwork,脉冲卷积神经网络)推理装置及其PE单元、处理器及计算机设备，用于处理脉冲神经网络中目标图像AER脉冲事件的硬件推理。
技术介绍
人脑可以用很少的能量消耗来执行复杂的任务。脑启发式计算模仿大脑神经元的计算模型，并以高能效执行认知计算任务。类脑计算是人工智能领域的一个重要分支。脉冲神经网络(SpikingNeuralNetwork，SNN)具有更好的生物逼近性和事件驱动的特性，被称为第三代人工神经网络，是类脑计算的一个突出代表。基于SNN的神经形态计算显示出良好的能量效率。SNN与传统的CNN(ConvolutionNeuronNetwork)有着相似的网络结构，包括输入层,卷积层，池化层，分类层等。CNN网络中的每个网络层都是基于帧进行运算。对于SNN，可以采用CNN的处理方式，即数据的处理是基于帧的数据，但是这种方式不能体现SNN良好的计算能效。这是因为，SNN是事件驱...
【技术保护点】
1.一种基于异步电路模拟IF神经元的PE单元，其特征在于，该PE单元包括：控制通路，用于在本PE单元收到的脉冲信号Reqj上升时根据四阶段握手协议在本地产生3个时钟信号Lt1，Lt2，Lt3；数据通路，用于执行数据处理模拟IF神经元进行脉冲放电；所述数据通路中嵌入有神经元模型模拟单元和3个寄存器PE(i,j)、T_Reg、W_Reg，其中寄存器PE(i,j)表明该神经元的全局坐标，寄存器T_Reg存储神经元阈值电压，寄存器W_Reg保存神经元的膜电压，所述神经元模型模拟单元用于在3个时钟信号Lt1，Lt2，Lt3根据收到的膜电位K_dataj以及3个寄存器PE(i,j)、T...
【技术特征摘要】
1.一种基于异步电路模拟IF神经元的PE单元，其特征在于，该PE单元包括：控制通路，用于在本PE单元收到的脉冲信号Reqj上升时根据四阶段握手协议在本地产生3个时钟信号Lt1，Lt2，Lt3；数据通路，用于执行数据处理模拟IF神经元进行脉冲放电；所述数据通路中嵌入有神经元模型模拟单元和3个寄存器PE(i,j)、T_Reg、W_Reg，其中寄存器PE(i,j)表明该神经元的全局坐标，寄存器T_Reg存储神经元阈值电压，寄存器W_Reg保存神经元的膜电压，所述神经元模型模拟单元用于在3个时钟信号Lt1，Lt2，Lt3根据收到的膜电位K_dataj以及3个寄存器PE(i,j)、T_Reg、W_Reg实现集成-释放神经元的模拟。2.根据权利要求1所述的基于异步电路模拟IF神经元的PE单元，其特征在于，所述神经元模型模拟单元包括：锁存器，用于在时钟信号Lt1的作用下将在本PE单元收到的对本PE单元产生的膜电位K_dataj锁存；加法器，用于在时钟信号Lt2的作用下将锁存器中的值、寄存器W_reg中的值相加得到新的膜电位A；ACK信号生成模块，用于在时钟信号Lt2的作用下产生用于传递下一个脉冲事件的P_Ack信号输出；比较器，用于将加法器输出的新的膜电位A、寄存器T_Reg中存储的神经元阈值电压Mth进行比较，且在新的膜电位A大于神经元阈值电压Mth时输出比较结果为真，在时钟信号Lt3的作用下将默认膜电压值写入寄存器W_Reg，否则输出比较结果为假，并在时钟信号Lt3的作用下将新的膜电位A写入寄存器W_Reg；Done信号生成模块，用于在比较器的比较结果为真时输出Done信号；脉冲产生模块，用于在比较器的比较结果为真时输出脉冲信号。3.一种基于异步电路的SCNN推理装置，其特征在于，包括：PE阵列(1)，用于执行每个AER脉冲事件的卷积运算，所述PE阵列(1)为由多个权利要求1或2所述基于异步电路模拟IF神经元的PE单元构成的阵列结构；卷积核RAM模块(2)，用于存储每个卷积层计算所需的卷积权重；控制模块(3)，用于将AER脉冲事件发送到计算引擎，接收到的信号传送给行/列译码模块(4)，同时访问卷积核RAM模块(2)；当控制模块(3)接收到所有参与运算的PE单元的Done信号后会生成C_Ack...
【专利技术属性】
技术研发人员：王蕾，康子扬，龚锐，郭莎莎，杨智杰，王树泉，李石明，田烁，石伟，张剑锋，刘威，赵振宇，王永文，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南,43
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。