用于执行深度神经网络运算的存储器及其操作方法技术

本发明专利技术提供一种用于执行深度神经网络运算的存储器及其操作方法。存储器包括：处理单元以及权重单元。处理单元具有数据输入端与数据输出端。权重单元经配置以耦接处理单元的数据输入端。权重单元包括索引存储器与映射表。索引存储器经配置以存储多个权重索引。映射表经配置以将多个权重索引分别对应至多个代表权重数据。权重数据。权重数据。

【技术实现步骤摘要】
用于执行深度神经网络运算的存储器及其操作方法


[0001]本专利技术涉及一种用于执行深度神经网络运算的存储器及其操作方法。

技术介绍

[0002]随着人工智能(Artificial Intelligence，AI)运算的演进，AI运算的应用范围越来越广泛。例如，经由神经网络模型来进行图像分析、语音分析、自然语言处理等神经网络运算。因此，各
持续地投入AI的研发与应用，适用于深度神经网络(Deep Neural Networks，DNN)、卷积神经网络(Convolutional Neural Network，CNN)等等的各种算法也不断推陈出新。
[0003]然而，无论是哪一种神经网络运算所使用的算法，在隐藏层(Hidden layer)中所使用的数据量非常庞大，才能达成机器学习的功能。具体而言，深度神经网络的运算基础实际上是来自于神经元与权重之间的矩阵运算。在此情况下，在执行深度神经网络运算时，需要花费大量的存储器空间来存储权重。倘若存储权重的存储器出现卡住错误(stuck
‑
at
‑
faul本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种存储器，适用于执行深度神经网络运算，其特征在于，所述存储器包括：处理单元，具有数据输入端与数据输出端；以及权重单元，经配置以耦接所述处理单元的所述数据输入端，其中所述权重单元包括：索引存储器，经配置以存储多个权重索引；以及映射表，经配置以将所述多个权重索引分别对应至多个代表权重数据。2.根据权利要求1所述的存储器，其特征在于，其中所述映射表具有多个编码数据，以表示所述多个权重索引与所述多个代表权重数据之间的映射关系。3.根据权利要求1所述的存储器，其特征在于，其中所述映射表是通过检测所述索引存储器以产生错误映射图、根据所述错误映射图来统计每一个代表权重数据与其对应的权重索引之间的编码数据的卡住错误的数量以及依序挑选最少卡住错误的编码数据所建立的。4.根据权利要求1所述的存储器，其特征在于，其中所述多个代表权重数据是将多个权重值分群所得到，且所述多个代表权重数据的权重变化小于所述多个权重值的权重变化。5.根据权利要求1所述的存储器，其特征在于，还包括：数据输入单元，经配置以耦接所述处理单元的所述数据输入端，并用以输入运算输入值至所述处理单元；以及反馈单元，经配置以耦接所述数据输入端与所述数据输出端，其中所述反馈单元将所述处理单元所输出的运算结果值重新输入所述处理单元以作为新的运算输入值。6.一种存储器的操作方法，适用于执行深度神经网络运算，其特征在于，所述存储器的操作方法包括映射方法，所述映射方法包括：将权重单元耦接至处理单元的数据输入端，其中所述权重单元包括存储有多个权重索引的索引存储器以及将所述多个权重索引分别对应至多个代表权重数据的映射表；检测所述索引存储器，以产生错误映射图，其中...

【专利技术属性】
技术研发人员：林泰吉，丁意轩，沈皓轩，
申请(专利权)人：华邦电子股份有限公司，
类型：发明
国别省市：