可重构的人工智能核心与异构多核芯片的自动设计方法技术

本发明专利技术公开了可重构的人工智能核心与异构多核芯片的自动设计方法、基于神经网络应用的硬件资源调配方法，所述人工智能处理核心的自动设计方法中，能够针对不同网络对人工智能处理核心进行定制化设计，以在芯片乃至系统层面上获得更高的处理能效；由此，所述多核芯片的自动设计方法能根据对混合神经网络中的不同类型神经网络自动配置对应的人工智能处理核心，实现多个神经网络的同时并行处理，并且平衡了系统对各个神经网络的处理负荷；所述硬件资源调配方法能够根据不同上层应用的需求，配置对应的多核芯片，实现在不同处理场景处理不同神经网络模型，完成对各个人工智能处理核心的单独配置，进一步提高处理性能，降低延时，降低重构开销。

Reconfigurable AI core and automatic design method of heterogeneous multi-core chips

【技术实现步骤摘要】
可重构的人工智能核心与异构多核芯片的自动设计方法
本专利技术涉及基于神经网络的计算机系统
，尤其是涉及可重构的人工智能核心与异构多核芯片的自动设计方法、基于神经网络应用的硬件资源调配方法。
技术介绍
人工智能(AI，ArtificialIntelligence)近年来取得了长足的发展，以深度卷积神经网络为代表的基于深度学习的人工智能被广泛的应用，而由此对硬件有着相应的要求。其中，卷积神经网络分为训练和推理两个过程，目前其推理过程已广泛应用于各种人工智能如人物体检测与识别等应用中，其对处理延时有着非常高的要求，因此在边缘端的设备能进行推理是有着大量且迫切的需求。目前能应用于边缘端的人工智能加速芯片主要包括以下几类：一、通用的CPU和GPU芯片；二、深度学习专用的ASIC(ApplicationSpecificIntegratedCircuit，专用集成电路)芯片；三、FPGA(FieldProgrammableGateArray，现场可编程逻辑门阵列)等可重构计算芯片。其中，通用的CPU和GPU芯片能适用不同的应用场合，通用性良好，本文档来自技高网...

【技术保护点】
1.一种可重构的人工智能处理核心的自动设计方法，其特征在于，包括：/n确定待处理神经网络及对应所述待处理神经网络的需求运算能力信息；/n根据所述待处理神经网络的输入数据、对应所述待处理神经网络的需求运算能力信息以及硬件资源信息，生成所述人工智能处理核心的构造信息；/n根据所述构造信息构造所述人工智能处理核心，以对应调节所述人工智能处理核心的存储容量、参与运算的处理单元数目、数据吞吐量以及运行频率，利用构造的所述人工智能处理核心处理所述待处理神经网络。/n

【技术特征摘要】
1.一种可重构的人工智能处理核心的自动设计方法，其特征在于，包括：
确定待处理神经网络及对应所述待处理神经网络的需求运算能力信息；
根据所述待处理神经网络的输入数据、对应所述待处理神经网络的需求运算能力信息以及硬件资源信息，生成所述人工智能处理核心的构造信息；
根据所述构造信息构造所述人工智能处理核心，以对应调节所述人工智能处理核心的存储容量、参与运算的处理单元数目、数据吞吐量以及运行频率，利用构造的所述人工智能处理核心处理所述待处理神经网络。


2.根据权利要求1所述的人工智能处理核心的自动设计方法，其特征在于，利用构造的所述人工智能处理核心处理所述待处理神经网络包括：
所述人工智能处理核心执行对应神经网络的预设专用指令集。


3.根据权利要求1所述的人工智能处理核心的自动设计方法，其特征在于，所述硬件资源信息包括所述人工智能处理核心所在芯片的显示查找表信息、触发器信息、数字信号处理器信息以及块随机存储器信息。


4.根据权利要求1所述的人工智能处理核心的自动设计方法，其特征在于，所述人工智能处理核心的构造信息包括硬件描述语言代码和配置bit文件。


5.根据权利要求1所述的人工智能处理核心的自动设计方法，其特征在于，所述人工智能处理核心包括数据存储模块、计算单元阵列、指令控制模块以及专用指令集存储模块，其中，
所述数据存储模块用于存储待处理神经网络的输入数据和待处理神经网络的各层输出；
所述专用指令集存储模块用于存储分别对应不同神经网络的预设专用指令集以供调用；
所述指令控制模块用于控制所述计算单元阵列调用所述数据存储模块中的数据以执行对应所述神经网络的预设专用指令集的运算；
所述计算单元并行阵列包括多个构成阵列的处理单元，用于调用所述数据存储模块的数据执行并行运算，并输出至所述数据存储模块...

【专利技术属性】
技术研发人员：黎江，刘欣，程诚，王旭光，
申请(专利权)人：中国科学院苏州纳米技术与纳米仿生研究所，
类型：发明
国别省市：江苏;32