运算处理装置制造方法及图纸

在运算处理装置中、运算控制部以如下方式进行控制：在用于计算输出特征量图的特定的像素的滤波处理和累加处理的中途，将中间结果暂时保存在所述累加结果保存用存储器中而进行其他像素的处理，在将针对所有的像素的累加处理的中间结果在所述累加结果保存用存储器中保存完毕之后，返回到最初的像素，读出保存在所述累加结果保存用存储器中的值并将该值作为累加处理的初始值，继续执行累加处理。

【技术实现步骤摘要】
【国外来华专利技术】运算处理装置
本专利技术涉及运算处理装置，更详细地说，涉及进行使用了卷积神经网络的深度学习的运算处理装置的电路结构。
技术介绍
以往，存在一种运算处理装置，该运算处理装置使用了将多个处理层分层连接而得的神经网络来执行运算。尤其是，在进行图像识别的运算处理装置中，广泛地进行使用了卷积神经网络(ConvolutionalNeuralNetwork，以下称为CNN)的深度学习。图18是示出基于使用了CNN的深度学习的图像识别的处理的流程的图。在基于使用了CNN的深度学习的图像识别中，通过针对所输入的图像数据(像素数据)依次实施CNN的多个处理层中的处理，得到识别出图像中包含的对象物的最终的运算结果数据。CNN的处理层被大致分类为进行包含卷积运算处理、非线性处理、缩小处理(池化处理)等在内的卷积(Convolution)处理的Convolution层(卷积层)和进行对所有的输入(像素数据)乘以滤波系数并累加的全连接(FullConnect)处理的FullConnect层(全连接层)。然而，也存在没有全连接(FullConnect)层的卷本文档来自技高网...

【技术保护点】
1.一种运算处理装置，其用于进行卷积处理和全连接处理的深度学习，其特征在于，/n该运算处理装置具有：/n数据保存用存储器管理部，其具有保存输入特征量图数据的数据保存用存储器、和对所述数据保存用存储器进行管理和控制的数据保存用存储器控制电路；/n滤波系数保存用存储器管理部，其具有保存滤波系数的滤波系数保存用存储器、和对所述滤波系数保存用存储器进行管理和控制的滤波系数保存用存储器控制电路；/n外部存储器，其保存所述输入特征量图数据和输出特征量图数据；/n数据输入部，其从所述外部存储器获取所述输入特征量图数据；/n滤波系数输入部，其从所述外部存储器获取所述滤波系数；/n运算部，其以输入N并行、输出M...

【技术特征摘要】
【国外来华专利技术】1.一种运算处理装置，其用于进行卷积处理和全连接处理的深度学习，其特征在于，
该运算处理装置具有：
数据保存用存储器管理部，其具有保存输入特征量图数据的数据保存用存储器、和对所述数据保存用存储器进行管理和控制的数据保存用存储器控制电路；
滤波系数保存用存储器管理部，其具有保存滤波系数的滤波系数保存用存储器、和对所述滤波系数保存用存储器进行管理和控制的滤波系数保存用存储器控制电路；
外部存储器，其保存所述输入特征量图数据和输出特征量图数据；
数据输入部，其从所述外部存储器获取所述输入特征量图数据；
滤波系数输入部，其从所述外部存储器获取所述滤波系数；
运算部，其以输入N并行、输出M并行的结构从所述数据保存用存储器获取所述输入特征量图数据，并从所述滤波系数保存用存储器获取所述滤波系数，而进行滤波处理、累加处理、非线性运算处理以及池化处理，其中，N、M为大于等于1的正数；
数据输出部，其将从所述运算部输出的M并行的数据连结而作为输出特征量图数据输出到所述外部存储器；
累加结果保存用存储器管理部，其具有累加结果保存用存储器、累加结果保存用存储器保存部、累加结果保存用存储器读出部，该累加结果保存用存储器将累加处理的中间结果按输入特征量图的各像素单位暂时记录，该累加结果保存用存储器保存部接收有效数据而生成地址，并将该有效数据写入到所述累加结果保存用存储器中，该累加结果保存用存储器读出部从所述累加结果保存用存储器读出指定的数据；以及
控制器，其控制所述运算处理装置内，
所述运算部具有：
滤波运算部，其以N并行执行滤波处理；
第1加法器，其将所述滤波运算部的运算结果全部累加；
第2加法器，其在后级对所述第1加法器的累加处理的结果进行累加；
触发器，其保持所述第2加法器的累加处理的结果；以及
运算控制部，其控制所述运算部内，
所述运算控制部以如下方式进行控制：在用于计算输出特征量图的特定的像素的滤波处理和累加处理的中途，在无法将滤波处理和累加处理所需的所有的输入...

【专利技术属性】
技术研发人员：古川英明，
申请(专利权)人：奥林巴斯株式会社，
类型：发明
国别省市：日本;JP