逆变换Winograd卷积的对位乘数据的逆变换单元、装置与板卡制造方法及图纸

本发明专利技术涉及对Winograd卷积的对位乘数据进行逆变换的逆变换单元、装置与板卡，其中逆变换单元包括输入缓存、寄存器堆、加法器组。输入缓存用以暂存所述对位乘数据；寄存器堆用以自所述输入缓存取出暂存的对位乘数据并存储至特定地址，以成为加法操作数；加法器组用以自所述特定地址读取所述加法操作数进行加法运算，以产生卷积结果。以产生卷积结果。以产生卷积结果。

【技术实现步骤摘要】
逆变换Winograd卷积的对位乘数据的逆变换单元、装置与板卡


[0001]本专利技术一般地涉及神经网络领域。更具体地，本专利技术涉及对Winograd卷积的对位乘数据进行逆变换的逆变换单元、装置与板卡。

技术介绍

[0002]随着信息化时代的高速发展，人工智能与机器学习领域的研究炙手可热，相关产业蓬勃发展。卷积神经网络在计算机视觉、自动驾驶、机器翻译、语音识别、智能家居等各方面都有着广泛的作用。
[0003]卷积神经网络的参数量大，运算量大，使得卷积神经网络模型在便携移动终端有限面积和算力下被严重的限制其执行性能，同时非专用性设计的处理器在进行卷积运算时也会造成功耗的巨大开销。
[0004]Winograd卷积是一种基于多项式插值算法的卷积加速实现方式。它通过对卷积操作的两个输入：神经元及权值进行一定规模切分后，分别做线性变换，也就是Winograd正变换，再将变换后的神经元和权值进行对位乘法，把对位乘法结果再次进行线性变换，即Winograd逆变换，最后得到与原卷积操作等价的卷积结果。
[0005]由于在Winogr本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对Winograd卷积的对位乘数据进行逆变换的逆变换单元，包括：输入缓存，用以暂存所述对位乘数据；寄存器堆，用以自所述输入缓存取出暂存的对位乘数据并存储至特定地址，以成为加法操作数；以及加法器组，用以自所述特定地址读取所述加法操作数进行加法运算，以产生卷积结果。2.根据权利要求1所述的逆变换单元，其中所述加法器组的数量为2组。3.根据权利要求2所述的逆变换单元，其中每组加法器组包括16个加法器，在所述神经元数据的通道方向按照特定顺序进行加法运算。4.根据权利要求3所述的逆变换单元，其中每个加法器为FB32加法器。5.根据权利要求3所述的逆变换单元，其中所述特定顺序为先计算Winograd卷积的左乘矩阵的加法，再计算Winograd卷积的右乘矩阵的加法，以产生所述卷积结果...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：安徽寒武纪信息科技有限公司，
类型：发明
国别省市：