【技术实现步骤摘要】
神经网络的计算装置、处理器和电子设备
本专利技术涉及神经网络处理技术，尤其是一种神经网络的计算装置、处理器和电子设备。
技术介绍
深度学习技术在近几年得到了飞速发展。深度神经网络，尤其是卷积神经网络，在图像识别、语音识别、自然语言理解、天气预测、基因表达、内容推荐和智能机器人等领域得到了广泛的应用。深度学习所得到的深度网络结构是一种运算模型，其中包含大量数据节点，每个数据节点与其他数据节点相连，各个节点间的连接关系用权重表示。伴随神经网络复杂度的不断提高，神经网络技术在实际应用过程中存在占用资源多、运算速度慢、能量消耗大等问题，因此该技术在嵌入式设备或低开销数据中心等领域应用时存在严重的能效问题和运算速度瓶颈。
技术实现思路
本专利技术实施例所要解决的一个技术问题是：提供神经网络的计算装置、处理器和电子设备，通过对逻辑运算电路中不同的计算电路进行导通实现对二值神经网络获得三值神经网络的计算。根据本专利技术的一个方面，提供了一种神经网络的计算装置，其特征在于，包括逻辑运算电路和通路选择模块；...
【技术保护点】
1.一种神经网络的计算装置，其特征在于，包括逻辑运算电路和通路选择模块；/n所述通路选择模块，用于根据接收的神经网络中的计算元素所占用的位宽控制所述逻辑运算电路包括的多个计算电路中的一个计算电路导通；/n所述逻辑运算电路，用于基于所述导通的计算电路对所述计算元素进行运算，获得所述计算元素对应的计算结果。/n
【技术特征摘要】
1.一种神经网络的计算装置，其特征在于，包括逻辑运算电路和通路选择模块；
所述通路选择模块，用于根据接收的神经网络中的计算元素所占用的位宽控制所述逻辑运算电路包括的多个计算电路中的一个计算电路导通；
所述逻辑运算电路，用于基于所述导通的计算电路对所述计算元素进行运算，获得所述计算元素对应的计算结果。
2.根据权利要求1所述的装置，其特征在于，所述逻辑运算电路包括至少两个异或门、至少两个非门、至少两个与门、至少两个选择器、至少两个距离计算单元和至少一个减法器。
3.根据权利要求2所述的装置，其特征在于，所述多个计算电路包括第一计算电路和第二计算电路；
所述第一计算电路包括至少一个单比特计算电路，所述单比特计算电路包括一个异或门、一个非门、一个选择器和一个距离计算单元；
所述第二计算电路包括一个异或门、一个异或门中的或门、一个非门、两个选择器、两个距离计算单元和一个减法器。
4.根据权利要求3所述的装置，其特征在于，所述距离计算单元用于确定两个计算元素之间的汉明距离。
5.根据权利要求3或4所述的装置，其特征在于，所述第一计算电路中包括的单比特计算电路，用于对以单比特数描述的二值神经网络中的计算元素实现卷积计算。
6.根据权利要求3-5任一所述的装置，其特征在于，所述第二计算电路...
【专利技术属性】
技术研发人员：韩银和，许浩博，闵丰，王郁杰，王颖，
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
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。