一种计算设备及神经网络的加速方法技术

本申请实施例公开了一种计算设备，包括：计算阵列，包括多个计算单元，用于将输入数据与预设的权重矩阵进行计算，获得第一计算结果，其中，所述第一计算结果为模拟信号形式，所述输入数据为数字信号形式；模拟运算电路，连接所述计算阵列，用于对所述第一计算结果进行逐点运算，获得第二计算结果，其中，所述第二计算结果为模拟信号形式；模数转换电路，连接所述模拟运算电路，用于将所述第二计算结果转换为数字信号，获得第三计算结果。采用本申请实施例，可以减少硬件开销，降低功耗。

【技术实现步骤摘要】
一种计算设备及神经网络的加速方法
本申请涉及神经网络领域，尤其涉及一种计算设备及神经网络的加速方法。
技术介绍
长短期记忆网络(longshort-termmemory，LSTM)是一种时间递归神经网络，由于其独特的设计结构，适合于处理和预测时间序列中间隔和延迟非常长的重要事件。LSTM可以采用忆阻器阵列来处理矩阵乘法运算，忆阻器阵列的外围电路主要包括模数转换器(digital-to-analogconverter，ADC)，由于ADC在LSTM硬件系统中的硬件开销较大，导致功耗很高。
技术实现思路
本申请实施例提供一种计算设备及神经网络的加速方法，减少了硬件资源的开销，降低了功耗。第一方面，本申请实施例提供一种计算设备，包括：计算阵列，包括多个计算单元，用于将输入数据与预设的权重矩阵进行计算，获得第一计算结果，其中，第一计算结果为模拟信号形式，输入数据为数字信号形式；模拟运算电路，连接计算阵列，用于对第一计算结果进行逐点运算，获得第二计算结果，其中，第二计算结果为模拟信号形式；模数转换电路，连接模拟运算电路，用于将本文档来自技高网...

【技术保护点】
1.一种计算设备，其特征在于，包括：/n计算阵列，包括多个计算单元，用于将输入数据与预设的权重矩阵进行计算，获得第一计算结果，其中，所述第一计算结果为模拟信号形式，所述输入数据为数字信号形式；/n模拟运算电路，连接所述计算阵列，用于对所述第一计算结果进行逐点运算，获得第二计算结果，其中，所述第二计算结果为模拟信号形式；/n模数转换电路，连接所述模拟运算电路，用于将所述第二计算结果转换为数字信号，获得第三计算结果。/n

【技术特征摘要】
1.一种计算设备，其特征在于，包括：
计算阵列，包括多个计算单元，用于将输入数据与预设的权重矩阵进行计算，获得第一计算结果，其中，所述第一计算结果为模拟信号形式，所述输入数据为数字信号形式；
模拟运算电路，连接所述计算阵列，用于对所述第一计算结果进行逐点运算，获得第二计算结果，其中，所述第二计算结果为模拟信号形式；
模数转换电路，连接所述模拟运算电路，用于将所述第二计算结果转换为数字信号，获得第三计算结果。


2.如权利要求1所述的计算设备，其特征在于，所述模拟运算电路包括：
激活函数电路，用于对所述第一计算结果执行激活函数计算，获得第一中间结果；
逐点计算电路，连接所述激活函数电路，用于对所述第一中间结果执行逐点计算。


3.如权利要求2所述的计算设备，其特征在于，所述权重矩阵是根据所述模拟运算电路的电路特性获得的误差项确定的。


4.如权利要求3所述的计算设备，其特征在于，所述误差项包括所述误差项的一阶导数的关系表达式；
所述模拟运算电路，还用于根据所述误差项的一阶导数的关系表达式调整所述模拟运算电路所实现的对应算子的输出值，所述模拟运算电路所实现的对应算子的输出值用于调整初始权重矩阵以获得所述权重矩阵。


5.如权利要求4所述的计算设备，其特征在于，所述模拟运算电路，还用于通过所述激活函数的一阶导数的理论关系表达式与所述误差项的一阶导数的关系表达式之和进行训练，调整所述模拟运算电路所实现的对应算子的输出值。


6.如权利要求1-5任一项所述的计算设备，其特征在于，所述计算设备应用于长短期记忆网络LSTM系统。<...

【专利技术属性】
技术研发人员：张悠慧，韩建辉，蒋磊，王侃文，吴华强，
申请(专利权)人：华为技术有限公司，清华大学，
类型：发明
国别省市：广东;44