【技术实现步骤摘要】
减小突触连接的存储面积的方法、装置、设备和存储介质
本专利技术涉及的类脑芯片的突触连接
，特别是涉及一种减小突触连接的存储面积的方法、装置、设备和存储介质。
技术介绍
深度神经网络(DNN)研究近年来取得了飞速发展并得到初步应用。然而实现这样的算法，通常需要消耗大量的算力。如经典的深度卷积网络(CNN)模型AlexNet，需要进行至少7.2亿次的乘法运算。大的运算量产生大的功耗，一般功耗在10瓦到100瓦左右。另一方面，脉冲神经网络(SNN)近年来以其低功耗和更接近人脑的特点吸引了学术界和产业界的关注。在脉冲神经网络中，轴突是接收脉冲的单元，神经元是发送脉冲的单元，一个神经元通过树突连接到多个轴突，树突和轴突的连接点称为突触。轴突接收到脉冲后，所有和这一轴突有突触连接的树突会收到脉冲，进而影响到树突下游神经元。下游神经元将来自多个轴突的脉冲累加，如果数值超过阈值，就向下游发送一个脉冲。脉冲神经网络内传播的是1比特的脉冲，脉冲的激活频率比较低，并且只需要加减法运算，没有乘法运算。相比于基于深度学习的神经网路，脉冲...
【技术保护点】
1.一种减小突触连接的存储面积的方法，其特征在于，所述方法包括：/n获取类脑芯片中包含M个轴突、及N个神经元的一或多个神经元核；/n将各所述神经元核的第k组M/K个所述轴突映射到第k个所述子核，第k组N/K个所述神经元相应分配至第k个所述子核；k为1至K中任意整数；/n令各所述子核存储M/K个所述轴突和N/K个所述神经元之间的全连接关系，以实现将各所述神经元核划分为K个所述子核。/n
【技术特征摘要】
1.一种减小突触连接的存储面积的方法，其特征在于，所述方法包括：
获取类脑芯片中包含M个轴突、及N个神经元的一或多个神经元核；
将各所述神经元核的第k组M/K个所述轴突映射到第k个所述子核，第k组N/K个所述神经元相应分配至第k个所述子核；k为1至K中任意整数；
令各所述子核存储M/K个所述轴突和N/K个所述神经元之间的全连接关系，以实现将各所述神经元核划分为K个所述子核。
2.根据权利要求1所述的方法，其特征在于，所述令各所述子核存储M/K个所述轴突和N/K个所述神经元之间的全连接关系，包括：
将所述神经元所在的所述子核中所有与所述神经元有连接关系的所述轴突相加得到所述膜电压；
将同一所述神经元核中多个所述子核相应位置上的所述神经元得到的所述膜电压相加，并存入其中一个子核相应地址中，以供各所述子核中的所述神经元连接对应所述神经元核中多个所述轴突。
3.根据权利要求1所述的方法，其特征在于，所述令各所述子核存储M/K个所述轴突和N/K个所述神经元之间的全连接关系，包括：
将同一个神经元核中多个所述子核相应位置上的所述轴突共同连接到同一个所述轴突，以供各所述子核中的所述轴突连接对应所述神经元核中一或多个所述神经元。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
通过对所述轴突进行配置，以扩展同一所述神经元核中部分所述轴突连接的神经元数；
或，通过对所述神经元进行配置，以扩展同一所述神经元核中部分所述神经元连接的轴突数。
5.根据权利要求4所述的方法，其特征在于，所述通过对所述轴突进行配置，以扩展同一所述神经元核中部分所述轴突连接的神经元数，包括：
在放置未映射轴突的轴突池中，每次取出M个所述未映射轴突；
将各所述未映射轴突按需要连接的神经元数从大到小进行排序以供依次取出进行映射；
统计全部所述子核被占用的所述轴突资源数，并通过与M比较，配置所述未映射轴突完成映射。
6.根据权利要求5所述的方法，其特征在于，所述统计全部所述子核被占用的所述轴突资源数，并通过与M比较，配置所述未映射轴突完成映射，包括：
若已配置的所述轴突资源数等于或大于M，则判定本所述神经元核中各所述子核的轴突资源全部被占用，将剩余所述未映射轴突映射下一个神经元核；
若已配置的所述轴突资源数小于M，则判定本所述神经元核还有所述子核的轴突资源，并判断当前取出的所述未映射轴突的需要连接的神经元数是否大于N/K*(K-1)；
若是，则令当前取出的所述未映射轴突占用全部K个子核，按照一定程序得到子核内轴突的序号；若否，则判断是否大于N/K*(K-2)；
若是，则是令当前取出的所述未映射轴突占用K-1个子核，按照一定程序得到占用的K-1个子核的序号和子核内轴突的序号；若否，则继续按照本步骤判断是否大于N/K*(K-3)，直至最终判断是否大于N/K；
若大于N/K，则令当前取出的所述未映射轴突占用2个子核，按照一定程序得到占用...
【专利技术属性】
技术研发人员：陈克林，白鑫，杨力邝，邹卓，江伟杰，
申请(专利权)人：上海新氦类脑智能科技有限公司，
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。