【技术实现步骤摘要】
【国外来华专利技术】用于在边缘设备上执行机器学习操作的可编程电路
[0001]根据35 U.S.C.
§
119的优先权要求
[0002]本申请要求于2019年8月30日提交的题为“PROGRAMMABLE CIRCUITS FOR PERFORMING MACHINE LEARNING OPERATIONS ON EDGE DEVICES(用于在边缘设备上执行机器学习操作的可编程电路)”的非临时申请No.16/556,505的优先权,该申请被转让给本申请受让人并由此通过援引明确纳入于此。
[0003]公开领域
[0004]本公开一般涉及人工神经网络,并且尤其涉及用于在边缘设备上执行机器学习操作的技术和装置。
[0005]相关技术描述
[0006]可包括一群互连的人工神经元(例如,神经元模型)的人工神经网络是一种计算设备或者表示将由计算设备执行的方法。这些神经网络可被用于各种应用和/或设备,诸如网际协议(IP)相机、物联网(IoT)设备、自主车辆、和/或服务机器人。
[0007]人工神经网络中的个体节点可通过获取输入数据并对该数据执行简单操作来模拟生物神经元。对输入数据执行的简单操作的结果被选择性地传递给其他神经元。权重值与网络中的每个向量和节点相关联,并且这些值限制了输入数据如何与输出数据有关。例如,每个节点的输入数据可乘以对应的权重值,并且可对该乘积求和。该乘积的总和可通过可任选的偏置进行调节,并且可将激活函数应用于结果,从而产生节点的输出信号或“输出激活”。权重值最初可由训练数据通过网络的迭代流来确定 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种装置,包括:多条字线;多条位线;以及可编程电路阵列,其中每个可编程电路被耦合至所述多条字线中的对应字线和所述多条位线中的对应位线,并且包括:主电阻器,其被耦合在所述对应字线与所述对应位线之间,辅助电阻器,熔断器,其与所述辅助电阻器串联耦合,其中所述辅助电阻器和所述熔断器被耦合在所述对应字线与所述对应位线之间,以及编程电路,其被配置成选择性地将所述熔断器熔断。2.如权利要求1所述的装置,其中:所述可编程电路进一步包括耦合至至少一个附加熔断器的至少一个附加辅助电阻器,所述至少一个附加辅助电阻器和所述至少一个附加熔断器串联连接,以及所述编程电路被配置成选择性地将所述熔断器和所述至少一个附加熔断器中的一者或多者熔断。3.如权利要求1所述的装置,其中所述可编程电路进一步包括一个或多个开关,每个开关被耦合在被耦合至电压源的第一节点与被耦合至所述辅助电阻器和所述熔断器的第二节点之间。4.如权利要求1所述的装置,进一步包括处理器,其被配置成:基于经训练的机器学习模型的经更新权重值来对所述阵列中的所述可编程电路中的至少一者进行重新编程。5.如权利要求1所述的装置,进一步包括处理器,其被配置成:对所述阵列中的所述可编程电路中的至少一者进行重新编程以实现不同机器学习模型。6.如权利要求1所述的装置,其中每个可编程电路中的辅助电阻器的数目对应于与经训练的机器学习模型的权重值相关联的精度的比特数目。7.如权利要求1所述的装置,其中所述可编程电路阵列中的每个可编程电路的输出用于乘法和累加操作。8.如权利要求1所述的装置,其中所述可编程电路阵列被配置以执行经训练的机器学习模型,且其中所述经训练的机器学习模型是基于经训练以执行特定任务的深度神经网络的。9.如权利要求1所述的装置,其中所述装置是移动计算设备。10.如权利要求1所述的装置,其中所述装置是自主机动交通工具。11.一种用于对具有多条字线、多条位线和可编程电路阵列的设备进行编程的方法,其中每个可编程电路被耦合至所述多条字线中的对应字线和所述多条位线中的对应位线,所述方法包括:通过选择性地将熔断器熔断来对所述可编程电路阵列中的可编程电路进行编程,其中:所述熔断器与辅助电阻器串联耦合,
所述辅助电阻器和所述熔断器被耦合在所述对应字线与所述对应位线之间,并且主电阻器被耦合在所述对应字线与所述对应位线之间;以及使用经编程的可编程电路来操作所述设备。12.如权利要求11所述的方法,其中选择性地将所述熔断器熔断包括:选择性地将与所述辅助电阻器耦合的所述熔断器和与至少一个附加辅助电阻器耦合的至少一个附加熔断器中的一者或多者熔断,所述至少一个附加熔断器和所述至少一个附加辅助电阻器串联连接。13.如权利要求12所述的方法,其中选择性地将所述熔断器熔断包括选择性地闭合一个或多个开关,每个开关被耦合在被耦合到电压源的第一节点与被耦合到所述辅助电阻器和所述熔断器的第二节点之间。14.如权利要求11所述的方法,其中所述可编程电路被编程为实现经训练的机器学习模型,并且基于所述经训练的机器学习模型的权重值来编程。15.如权利要求14所述的方法,进一步包括基于所述经训练的机器学习模型的经更新权重值来对所述可编程电路进行重新编程。16.如权利要求14所述的方法,进一步包括对所述可编程电路进行重新编程以实现不同机器学习模型。17.如权利要求14所述的方法,其中所述经训练的机器学习模型是基于经训练以执行特定任务的深度神经网络的。18.如权利要求14所述的方法,其中所述可编程电路中的辅助电阻器的数目对应于与所述经训练的机器学习模型的所述权重值相关...
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。