一种基于向量指令集实现类脑计算的方法及装置制造方法及图纸

本发明专利技术实施例公开一种基于向量指令集实现类脑计算的方法及装置，所述方法包括：根据自定义的向量指令集编译脉冲神经网络模型，生成向量指令和配置指令；类脑计算向量处理器的访存单元依据所述配置指令进行访存操作；同时，计算单元根据向量指令进行计算。通过上述方式，本发明专利技术实施例采用自定义的向量指令集和向量处理器的方式，针对脉冲神经网络模拟中涉及到的稀疏计算进行优化；为用户提供了方便使用的前端，有利于用户从其他支持Python的脉冲神经网络模拟器移植代码；实现了计算核心中的访存步骤与计算步骤分离，且使得访存步骤和计算步骤可以同时进行，实现访存和计算在时间上的高效重叠。的高效重叠。的高效重叠。

【技术实现步骤摘要】
一种基于向量指令集实现类脑计算的方法及装置


[0001]本专利技术实施例涉及类脑计算
，具体涉及一种基于向量指令集实现类脑计算的方法及装置。

技术介绍

[0002]在神经科学领域，类脑计算作为数值模拟的主要手段，被视为除理论和实验研究之外最重要的研究方法。从计算机体系结构角度看，类脑计算的事件驱动、存算一体等特性，具有启发新型处理器体系结构设计的潜力；类脑计算也被视为下一代人工智能的重要演进路径之一。作为类脑计算领域的主要计算模型，脉冲神经网络(Spiking Neural Network，SNN)在传统脉冲神经网络模型的基础上引入了更多的生物真实性，诸如神经脉冲、膜电位等，这使其具有事件驱动、不规则访存、稀疏计算等特征，而通用处理器(包括通用图形处理器GPGPU)以及深度学习加速芯片基本上是针对密集计算、连续访存优化的，因此高性能SNN计算需要依赖特定芯片，后者被称为类脑计算芯片。目前，SNN模型对类脑计算芯片提出了新的要求：一、功能上需支持DNN/SNN的融合以及日渐复杂的网络结构；二、性能上则需要在保证高效率的同时，兼顾灵活可编程与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于向量指令集实现类脑计算的方法，其特征在于，包括：根据自定义的向量指令集编译脉冲神经网络模型，生成向量指令和配置指令；类脑计算向量处理器的访存单元依据所述配置指令进行访存操作；同时，计算单元根据向量指令进行计算。2.根据权利要求1所述的基于向量指令集实现类脑计算的方法，其特征在于，根据自定义的向量指令集编译脉冲神经网络模型，生成向量指令和配置指令包括：根据自定义的向量指令集编译脉冲神经网络模型，形成中间代码；根据所述中间代码生成向量指令和配置指令。3.根据权利要求2所述的基于向量指令集实现类脑计算的方法，其特征在于，所述的根据所述中间代码生成向量指令和配置指令具体包括步骤：将运算对应到中间代码中的表达式；对所述中间代码进行优化；通过分配算法将中间代码中的虚拟寄存器映射到架构寄存器，将中间代码运算映射到向量指令；将从内存中对变量的访问映射到Buffets异步缓冲区的索引，生成访存单元的配置指令。4.根据权利要求3所述的基于向量指令集实现类脑计算的方法，其特征在于，所述的对所述中间代码进行优化包括：乘加融合、通用表达式消除和冗余指令消除。5.根据权利要求4所述的基于向量指令集实现类脑计算的方法，其特征在于，所述中间代码采用SSA的形式。6.根据权利要求1
‑
5任意一项所述的基于向量指令集实现类脑计算的方法，其特征在于，还包括：建立脉冲神经网络模型，所述脉冲神经网络模型包括神经元模型和突触模型。7.根据权利要求6所述的基于向量指令集实现类脑计算的方法，其特征在于，通过Python建立脉冲神经网络模型。8.根据权利要求7所述的基于向量指令集实现类脑计算的方法，其特征在于，所述的建立脉冲神经网络模型具体包括：声明所述神经元模型和所述突触模型中涉及到的输入输出和中间变量；描述所述神经元模型和所述突触模型的计算过程。9.根据权利要求1
‑
5任意一项所述的基于向量指令集实现类脑计算的方法，其特征在于：通过Buffets数据缓存器连接类脑计算向量处理器中的访存单元和计算单元，进行数据存储与交换；所述访存单元进行访存，并将读取的数据写入到所述Buffets数据缓存器中；同时，所述计算单元从所述Buffets数据缓存器中读取数据，并按照自定义的向量指令集进行计算。10.根据权利要求9所述的基于向量指令集实现类脑计算的方法，其特征在于，所述的访存单元进行访存具体包括：将访存过程单独抽取出来，对访存过程进行编码，生成配置指令；
根据所述配置指令，由单独的地址生成单元进行访存。11.根据权利要求10所述的基于向量指令集实现类脑计算的方法，其特征在于，还包括：将计算单元的计算结果异步地写回到内存中。12.根据权利要求11所述的基于向量指令集实现类脑计算的方法，其特征在于，还包括步骤：启动控制核心；所述控制核心将...

【专利技术属性】
技术研发人员：张悠慧，陈嘉杰，
申请(专利权)人：清华大学，
类型：发明
国别省市：