运算电路、运算方法以及程序技术

在一个实施方式中，提供卷积神经网络中的卷积层的运算方法。运算方法包括：以与通过将输入到卷积层的特征映射展开成一列而得到的输入矢量(x)相对应的方式，对卷积层中使用的内核进行变换，从而生成系数矩阵(A)的步骤；检索包含于系数矩阵的非零要素的步骤；将包含于系数矩阵的各非零要素与输入矢量的对应要素的乘法运算作为处理单位，以使能够彼此并行处理的多个运算器(CL)的各个运算器中的处理单位的数量均衡化的方式，对各运算器分配该乘法运算的步骤；以及各运算器依次执行被分配的乘法运算，将乘法运算的结果累加到输出矢量(f)的对应要素的步骤。

Operation circuit, operation method and program

【技术实现步骤摘要】
【国外来华专利技术】运算电路、运算方法以及程序
本公开涉及运算电路、运算方法以及用于执行该运算方法的程序，例如，适用于卷积神经网络中的卷积层的运算。
技术介绍
在图案辨识等图像处理、声纹分析、机器人等众多领域中，经常使用被称为卷积神经网络(CNN：ConvolutionalNeuralNetwork)的运算方法。一般，CNN包括进行卷积运算的卷积层、计算局部统计量的池化层、以及全连接层。卷积层以像素为单位在输入特征映射上扫描内核(还被称为滤波器)，同时反复进行输入特征映射的对应部分与内核的乘积累加运算，并对最终的乘积累加运算结果进行非线性变换，从而生成输出特征映射。日本特开2010-134697号公报(专利文献1)公开了用于通过并行处理来执行卷积运算的运算电路。具体而言，该文献记载的运算电路使用与内核的列方向尺寸的数量对应的乘法器以及累积加法器进行并行运算。现有技术文献专利文献专利文献1：日本特开2010-134697号公报
技术实现思路
在上述专利文献记载的运算电路中，由于直接使用特征映射以及内核来进行本文档来自技高网...

【技术保护点】
1.一种运算电路，用于对包含非零要素和零要素的系数矩阵从右侧乘以输入矢量，并将运算结果输出到输出矢量，其中，/n所述运算电路具备控制处理器和能够彼此并行处理的多个运算器，/n所述控制处理器构成为：将包含于所述系数矩阵的各非零要素与所述输入矢量的对应要素的乘法运算作为处理单位，以使各所述运算器中的处理单位的数量均衡化的方式，对各所述运算器分配该乘法运算，/n各所述运算器构成为：依次执行被分配的所述乘法运算，将所述乘法运算的结果累加到所述输出矢量的对应要素。/n

【技术特征摘要】
【国外来华专利技术】1.一种运算电路，用于对包含非零要素和零要素的系数矩阵从右侧乘以输入矢量，并将运算结果输出到输出矢量，其中，
所述运算电路具备控制处理器和能够彼此并行处理的多个运算器，
所述控制处理器构成为：将包含于所述系数矩阵的各非零要素与所述输入矢量的对应要素的乘法运算作为处理单位，以使各所述运算器中的处理单位的数量均衡化的方式，对各所述运算器分配该乘法运算，
各所述运算器构成为：依次执行被分配的所述乘法运算，将所述乘法运算的结果累加到所述输出矢量的对应要素。


2.根据权利要求1所述的运算电路，其中，
所述运算电路用于执行卷积神经网络中的卷积层的运算，
所述输入矢量是将输入到所述卷积层的特征映射展开成一列而得到的，
所述系数矩阵与所述卷积层中利用的内核相对应。


3.根据权利要求1或者2所述的运算电路，其中，
所述运算电路还具备系数矢量，该系数矢量用于仅取出包含于所述系数矩阵的非零要素并储存，
各所述运算器构成为：通过使用从所述系数矢量取出的对应的非零要素，来执行所述乘法运算。


4.一种运算方法，是卷积神经...

【专利技术属性】
技术研发人员：田中进，森正志，桥本和茂，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：日本;JP