运算装置、方法、多核智能处理器及多核异构智能处理器制造方法及图纸

本公开提供了一种运算装置、方法、多核智能处理器及异构多核智能处理器，包括：存储单元、控制器单元和运算单元；所述存储单元，用于存储待运算数据；所述控制器单元，用于接收运算指令，并解析所述运算指令得到所述运算指令对应的待运算数据的地址和运算操作；所述运算单元，用于访问所述待运算数据的地址，获取所述待运算数据，基于所述待运算数据执行所述运算操作，得到运算结果，以及，对所述运算结果进行有限值量化，得到输出结果。可提高运算速度，降低功耗。

【技术实现步骤摘要】
运算装置、方法、多核智能处理器及多核异构智能处理器
本公开涉及数据处理
，尤其涉及一种运算装置、方法、多核智能处理器及异构多核智能处理器。
技术介绍
数据处理是神经网络中进行的必要步骤，而神经网络运算中通常存在大量的数据，现有运算装置在进行神经网络的数据运算时采用的运算装置速度较慢，运算装置的功耗和能耗开销较大。
技术实现思路
本公开的主要目的在于提供一种运算装置、方法、多核智能处理器及异构多核智能处理器，可提高运算速度，降低功耗。为实现上述目的，本公开实施例第一方面提供一种运算装置，包括：存储单元、控制器单元和运算单元；所述存储单元，用于存储待运算数据；所述控制器单元，用于接收运算指令，并解析所述运算指令得到所述运算指令对应的待运算数据的地址和运算操作；所述运算单元，用于访问所述待运算数据的地址，获取所述待运算数据，基于所述待运算数据执行所述运算操作，得到运算结果，以及，对所述运算结果进行有限值量化，得到输出结果。可选的，所述待运算数据包括权值数据和进行有限值量化后的神本文档来自技高网...

【技术保护点】
1.一种运算装置，其特征在于，包括：/n存储单元、控制器单元和运算单元；/n所述存储单元，用于存储待运算数据；/n所述控制器单元，用于接收运算指令，并解析所述运算指令得到所述运算指令对应的待运算数据的地址和运算操作；/n所述运算单元，用于访问所述待运算数据的地址，获取所述待运算数据，基于所述待运算数据执行所述运算操作，得到运算结果，以及，对所述运算结果进行有限值量化，得到输出结果。/n

【技术特征摘要】
1.一种运算装置，其特征在于，包括：
存储单元、控制器单元和运算单元；
所述存储单元，用于存储待运算数据；
所述控制器单元，用于接收运算指令，并解析所述运算指令得到所述运算指令对应的待运算数据的地址和运算操作；
所述运算单元，用于访问所述待运算数据的地址，获取所述待运算数据，基于所述待运算数据执行所述运算操作，得到运算结果，以及，对所述运算结果进行有限值量化，得到输出结果。


2.根据权利要求1所述的运算装置，其特征在于，所述待运算数据包括权值数据和进行有限值量化后的神经元数据，所述运算结果包括神经元数据，所述输出结果包括进行有限值量化后的所述神经元数据，所述运算操作包括神经网络运算操作。


3.根据权利要求2所述的运算装置，其特征在于，所述运算单元包括量化表存储子单元，用于存储量化表，所述量化表中存储神经元数据进行有限值量化前后的映射关系。


4.根据权利要求3所述的运算装置，其特征在于，所述运算单元还包括：
运算子单元和量化子单元；
所述运算子单元，用于基于所述神经元数据和权值数据执行神经网络运算，得到所述神经元数据；
所述量化子单元，用于根据所述量化表存储子单元中存储的神经元数据进行有限值量化前后的映射关系，查找所述神经元数据进行有限值量化后的数据，得到所述输出结果。


5.根据权利要求4所述的运算装置，其特征在于，所述运算子单元包括：
向量变换器，用于对神经元数据进行向量变换，得到变换后的向量数据；
寄存器，用于存储中间结果，所述中间结果包括部分和数据或加法结果数据；
向量加法器，用于将输入的权值数据与所述部分和数据对应相加，得到所述加法结果数据；
向量乘法器，用于将所述加法结果数据和第一数据对应相乘，得到乘法结果数据；
累加子单元，用于对所述乘法结果数据进行累加，得到所述运算结果；
第一选择器，用于根据所述变换后的向量数据，从所述寄存器中选择所述部分和数据，并将所述部分和数据发送给向量加法器；
第二选择器，用于当满足预设条件时，从所述寄存器中选择所述加法结果数据发送给所述向量乘法器。


6.根据权利要求2所述的运算装置，其特征在于，所述运算操作还包括数据复用操作；
所述数据复用操作，用于按照预设...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京;11