多模式神经网络定时方法、定时处理器和存储介质技术

本申请提供了一种多模式神经网络定时方法、定时处理器和存储介质。定时处理器包括：处理单元、全局缓存单元、输入逻辑单元和输出逻辑单元，通过片上互联进行数据传输；并根据应用场景将处理单元阵列进行处理单元集群划分，划分后的每个所述处理单元集群中的处理单元共享特征图缓存；其中，所述处理单元阵列为所述定时处理器中的所有处理单元的集合；所述处理单元，用于缓存特征图和卷积核数据，并进行相关运算；所述全局缓存单元，用于缓存定时所需的卷积核数据；所述输入逻辑单元，用于输入采样脉冲点信号；所述输出逻辑单元，用于输出定时结果。该方案能够在低成本条件下，实现不同应用场景下多神经网络的定时。同应用场景下多神经网络的定时。同应用场景下多神经网络的定时。

【技术实现步骤摘要】
多模式神经网络定时方法、定时处理器和存储介质


[0001]本专利技术涉及信号处理
，特别涉及一种多模式神经网络定时方法、定时处理器和存储介质。

技术介绍

[0002]在辐射探测和新型医学成像设备中，广泛存在对探测器时间分辨的需求。例如，在基于飞行时间技术(Time
‑
of
‑
Flight，TOF)的正电子发射断层成像(positron emission tomography，PET)中，需要测量由正负电子对湮灭产生的成对光子到达探测器模块的时间差，以此来确定湮灭发生的具体位置。又如，在高能物理实验中，量能器时间分辨能力有助于进行粒子鉴别和初级/次级顶点衰变过程的识别。
[0003]目标神经网络作为一种新型特征提取算法，将一段时间内的所有采样点信号作为输入，将时间等特征数据作为输出，能更充分地利用采样点对于目标任务的有益信息，具有提高时间分辨的潜力。进一步地，针对目标神经网络中特定运算而设计的目标神经网络加速器从硬件层面提高了目标神经网络正向推理的效率，能在专用集成电路(Application S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多模式神经网络定时处理器，其特征在于，所述定时处理器包括：处理单元、全局缓存单元、输入逻辑单元和输出逻辑单元，通过片上互联进行数据传输；并根据应用场景将处理单元阵列进行处理单元集群划分，划分后的每个所述处理单元集群中的处理单元共享特征图缓存；其中，所述处理单元阵列为所述定时处理器中的所有处理单元的集合；所述处理单元，用于缓存特征图和卷积核数据，并进行相关运算；所述全局缓存单元，用于缓存定时所需的卷积核数据；所述输入逻辑单元，用于输入采样脉冲点信号；所述输出逻辑单元，用于输出定时结果。2.根据权利要求1所述的定时处理器，其特征在于，若应用场景为高计数率优化运算场景，则基于目标神经网络负载的层数，以及每一层的数据存储需求和运算量将所述处理单元阵列中的处理单元划分为N个处理单元集群；其中，N为大于1的整数；将目标神经网络的第一层对应的处理单元集群与输入逻辑单元相连；不同层的处理单元集群的特征图缓存构成流水线的级联结构；将目标神经网络的最后一层对应的处理单元集群与输出逻辑单元相连。3.根据权利要求1所述的定时处理器，其特征在于，若应用场景为单事件效应优化运算场景，则将所述处理单元阵列中的处理单元按照空间或拓扑上的相邻关系划分为第一预设值个处理单元组合；将所述处理单元组合划分为多个处理单元集群；或，将每个所述处理单元组合作为一个处理单元集群。4.根据权利要求1所述的定时处理器，其特征在于，若应用场景为不确定度估计优化运算场景，则基于目标神经网络负载的层数和运算规模，将所述处理单元阵列划分为第二预设值个处理单元集群。5.一种多模式神经网络定时方法，其特征在于，应用于权利要求2所述的定时处理器上，所述方法包括：通过全局缓存单元向目标神经网络负载的每一层对应的处理单元集群的卷积核缓存加载对应层的卷积核数据；采样点脉冲信号到达输入逻辑单元；若所述目标神经网络负载的第一层对应的处理单元集群空闲，则通过输入逻辑单元将所述采样点脉冲信号载入第一层对应的处理单元集群的特征图缓存，并进行目标神经网络的正向推理运算；当前层对应的处理单元集群完成对应层的运算时，若后一层对应的处理单元集群空闲，则将当前层的运算结果载入后一层对应的处理单元集群的特征图缓存；当最后一层对应的处理单元集群完成对应层的运算时，将运算结果传送到输出逻辑单元；通过所述输出逻辑单元输出对所述采样点脉冲信号对应的定时结果。6.一种多模式神经网络定时方法，其特征在于，应用于权利要求3所...

【专利技术属性】
技术研发人员：邓智，艾鹏程，宫辉，
申请(专利权)人：清华大学，
类型：发明
国别省市：