【技术实现步骤摘要】
用于执行卷积神经网络运算的处理装置与其操作方法
本揭露涉及一种计算装置,且特别是有关于一种用于执行卷积神经网络运算的处理装置与其操作方法。
技术介绍
人工智能近年得到迅速发展,极大地影响了人们的生活。基于人工神经网络,尤其是卷积神经网络(ConvolutionalNeuralNetwork,CNN)在很多应用中的发展日趋成熟,例如在计算机视觉领域中得到广泛使用。随着卷积神经网络的应用越来越广泛,越来越多的芯片设计厂商开始设计用于执行卷积神经网络运算的处理芯片。执行卷积神经网络运算的处理芯片需要复杂的运算与庞大的参数量来分析输入数据。对于用于执行卷积神经网络运算的处理芯片而言,为了加速处理速度与降低重复存取外部存储器所产生的功耗,处理芯片内部一般设置有内部存储器(又称为芯片内建内存(on-chip-memory))来存儲暂时计算结果与卷积运算所需的权重数据。然而,相对地,当需要高存儲容量的内部存储器来存儲所有权重数据时,也会造成处理芯片的芯片成本与芯片功耗上升。揭露内容有鉴于此,本揭露提供一种用于执行卷积神经网络运算的处理装置与其操作方法,其可降低处理装置中内部存储器的容量需求,从而达成降低处理装置的功耗与成本的目的。本专利技术实施例提出一种用于执行卷积神经网络运算的处理装置,此卷积神经网络运算包括多个卷积层。处理装置包括内部存储器与计算电路。计算电路耦接内部存储器,执行各卷积层的卷积运算。内部存储器从外部存储器获取这些卷积层中第一卷积层的权重数据,而计算电路利用第一卷积层的权重数据执行第一卷积 ...
【技术保护点】
1.一种用于执行卷积神经网络运算的处理装置,所述卷积神经网络运算包括多个卷积层,其特征在于,包括:/n内部存储器;以及/n计算电路,耦接所述内部存储器,执行各所述卷积层的卷积运算,/n其中,所述内部存储器从外部存储器获取所述卷积层中第一卷积层的权重数据,所述计算电路利用所述第一卷积层的权重数据执行所述第一卷积层的卷积运算,/n于所述计算电路执行所述第一卷积层的卷积运算的期间,所述内部存储器从所述外部存储器获取所述卷积层中第二卷积层的权重数据,以将所述第二卷积层的权重数据覆写所述第一卷积层的权重数据。/n
【技术特征摘要】
20200417 US 63/011,3141.一种用于执行卷积神经网络运算的处理装置,所述卷积神经网络运算包括多个卷积层,其特征在于,包括:
内部存储器;以及
计算电路,耦接所述内部存储器,执行各所述卷积层的卷积运算,
其中,所述内部存储器从外部存储器获取所述卷积层中第一卷积层的权重数据,所述计算电路利用所述第一卷积层的权重数据执行所述第一卷积层的卷积运算,
于所述计算电路执行所述第一卷积层的卷积运算的期间,所述内部存储器从所述外部存储器获取所述卷积层中第二卷积层的权重数据,以将所述第二卷积层的权重数据覆写所述第一卷积层的权重数据。
2.根据权利要求1所述的处理装置,其特征在于,所述处理装置还包括控制器,所述控制器反应于所述计算电路发出的通知讯号控制所述内部存储器从所述外部存储器获取所述第二卷积层的权重数据。
3.根据权利要求2所述的处理装置,其特征在于,所述计算电路包括权重缓冲器,在所述内部存储器将所述第一卷积层的权重数据提供给所述权重缓冲器之后,所述计算电路发出所述通知讯号给所述控制器。
4.根据权利要求1所述的处理装置,其特征在于,所述第一卷积层的权重数据包括所述第一卷积层的至少一卷积核,所述计算电路利用所述第一卷积层的权重数据执行所述第一卷积层的卷积运算而获取对应于所述至少一卷积核的至少一特征图。
5.根据权利要求1所述的处理装置,其特征在于,所述内部存储器获取所述第一卷积层的权重数据的一部份,所述计算电路利用所述第一卷积层的权重数据的所述部份执行所述第一卷积层的卷积运算而获取第一部份计算结果,
其中,于所述计算电路利用所述第一卷积层的权重数据的所述部份执行所述第一卷积层的卷积运算而获取所述第一部份计算结果的期间,所述内部存储器从所述外部存储器获取所述第一卷积层的权重数据的另一部份,以将所述第一卷积层的权重数据的所述另一部份覆写所述第一卷积层的权重数据的所述部份。
6.根据权利要求5所述的处理装置,其特征在于,所述第一卷积层的权重数据为具有M个信道的卷积核,而所述第一卷积层的权重数据的所述部份为所述卷积核中N个通道的权重值,且M大于N。
7.根据权利要求5所述的处理装置,其特征在于,所述计算电路将所述第一部份计算结果记录于一记忆电路中,所述计算电路利用所述第一卷积层的权重数据的所述另一部份执行所述第一卷积层的卷积运算而获取第二部份计算结果,所述计算电路透过累加所述第一部份计算结果与所述第二部份计算结果而获取所述第一卷积层的卷积计算结果。
8.根据权利要求1所述的处理装置,其特征在于,所述计算电路用于分析指纹感测装置所感测的指纹图像或掌纹图像。
9.一种用于执行卷积神经网络运算的处理装置的操作方法,所述卷...
【专利技术属性】
技术研发人员:程韦翰,
申请(专利权)人:神亚科技股份有限公司,
类型:发明
国别省市:中国台湾;71
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。