The present disclosure provides a pulse type convolutional neural network based on flash memory array, which includes a sampling module, a flash based memory array and its corresponding neuron module, and a counter module; the sampling module is used for sampling the input image to obtain the input pulse; the flash based memory array stores a weight matrix, which stores the input pulse and the weight moment The array performs vector matrix multiplication operation, and the operation result is output in the form of current; the neuron module integrates the operation result of flash based memory computing array to generate output pulse; the counter module counts the number of pulses generated by the neuron module in the output layer, and takes the number of pulses generated by the neuron module with the maximum number of pulses as the identification result.
【技术实现步骤摘要】
基于FLASH存算阵列的脉冲型卷积神经网络
本专利技术属于半导体器件及集成电路领域,具体是一种基于FLASH存算阵列的脉冲型卷积神经网络。
技术介绍
深度学习在图像处理和语音识别等方面取得了巨大成功,并被广泛应用于自动驾驶、安防监控等领域。作为深度学习重要组成部分的卷积神经网络,其性能的提升对深度学习的进一步发展具有重要意义。基于FLASH设计的存储计算一体化阵列(存算阵列)能够并行执行矩阵向量乘法运算,实现存算一体化,从而在硬件层面对运算进行加速。但是类似的存算一体化结构会引入新的问题,即外围电路尤其是模数/数模转换器带来的额外且巨大的硬件开销。公开内容(一)要解决的技术问题本公开提出了一种基于FLASH存算阵列的脉冲型卷积神经网络,主要解决了以下技术问题:(1)存储计算一体化;(2)基于FLASH存算阵列的脉冲型卷积神经网络硬件实现。(二)技术方案本公开提供了一种基于FLASH存算阵列的脉冲型卷积神经网络,包括:采样模块、基于FLASH的存算阵列及其对应的神经元模块、以及计数器模块;所述采样模块用于对输入图像进行采样,得到输入脉冲;所述基于FLASH的存算阵列存储有权重矩阵,其对输入脉冲与权重矩阵进行向量矩阵乘法运算,运算结果以电流形式输出;所述神经元模块对基于FLASH的存算阵列的运算结果进行积分,生成输出脉冲;所述计数器模块统计输出层的神经元模块产生的脉冲数量,将具有最大脉冲数量的神经元模块的脉冲数量作为识别结果。在本专利技术的实 ...
【技术保护点】
1.一种基于FLASH存算阵列的脉冲型卷积神经网络,其特征在于,包括:采样模块、基于FLASH的存算阵列及其对应的神经元模块、以及计数器模块;/n所述采样模块用于对输入图像进行采样,得到输入脉冲;/n所述基于FLASH的存算阵列存储有权重矩阵,其对输入脉冲与权重矩阵进行向量矩阵乘法运算,运算结果以电流形式输出;/n所述神经元模块对基于FLASH的存算阵列的运算结果进行积分,生成输出脉冲;/n所述计数器模块统计输出层的神经元模块产生的脉冲数量,将具有最大脉冲数量的神经元模块的脉冲数量作为识别结果。/n
【技术特征摘要】
1.一种基于FLASH存算阵列的脉冲型卷积神经网络,其特征在于,包括:采样模块、基于FLASH的存算阵列及其对应的神经元模块、以及计数器模块;
所述采样模块用于对输入图像进行采样,得到输入脉冲;
所述基于FLASH的存算阵列存储有权重矩阵,其对输入脉冲与权重矩阵进行向量矩阵乘法运算,运算结果以电流形式输出;
所述神经元模块对基于FLASH的存算阵列的运算结果进行积分,生成输出脉冲;
所述计数器模块统计输出层的神经元模块产生的脉冲数量,将具有最大脉冲数量的神经元模块的脉冲数量作为识别结果。
2.如权利要求1所述的脉冲型卷积神经网络,其特征在于,所述采样模块利用泊松采样或高斯采样对输入图像进行采样,得到输入脉冲。
3.如权利要求1所述的脉冲型卷积神经网络,其特征在于,所述脉冲型卷积神经网络的每一层均包括:所述基于FLASH的存算阵列,所述基于FLASH的存算阵列包括:多个FLASH单元、多条字线、多条源线、多条位线、多个减法器;
多个FLASH单元组成的存算阵列,每一列FLASH单元的栅极连接相同的字线,源极连接相同的源线,每一行FLASH单元的漏极连接相同的位线;每个减法器的正极端和负极端分别连接相邻两条位线。
4.如权利要求3所述的脉冲型卷积神经网络,其特征在于,
所述字线的数量对应于所述存算阵列的列数,输入脉冲通...
【专利技术属性】
技术研发人员:黄鹏,项亚臣,康晋锋,刘晓彦,韩润泽,
申请(专利权)人:北京大学,
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。