【技术实现步骤摘要】
模拟装置及模拟方法
[0001]本公开的实施例涉及一种模拟装置、模拟方法、模拟设备以及非易失性计算机可读存储介质。
技术介绍
[0002]类脑计算是借鉴生物神经系统信息处理模式和结构的计算理论、体系结构、芯片设计以及应用模型与算法的总称,以类脑计算芯片为核心的各种类脑计算系统正迅速发展,在处理某些智能问题以及低功耗智能计算方面逐步展露出优势。
[0003]脉冲神经网络(SNN)是类脑计算系统的主要计算范式,被认为是下一代神经网络的重要计算范式之一。然而当前的脉冲神经网络框架是使用紧耦合方式进行设计的。随着SNN功能日益复杂,已经针对SNN提出了追求更高性能的需求。当前紧耦合方式设计的脉冲神经网络框架已经无法满足SNN的性能提升需求。
技术实现思路
[0004]本公开的实施例提供模拟装置、模拟方法、模拟设备以及非易失性计算机可读存储介质。
[0005]本公开至少一个实施例提供了一种模拟装置,用于对脉冲神经网络模型的计算进行模拟,所述装置包括表达模块、流程模块和计算模块,其中,所述表达模块,被配置为获取脉冲神经网络模型的参数;所述流程模块,被配置为基于所述脉冲神经网络模型的参数,确定与模拟所述脉冲神经网络模型的数据计算过程相关联的第一信息和与模拟所述脉冲神经网络模型模拟的数据存储过程相关联的第二信息;所述计算模块,被配置为基于所述第一信息和所述第二信息,模拟所述脉冲神经网络模型的数据计算过程和数据存储过程。
[0006]本公开至少一个实施例提供了一种模拟方法,用于对脉冲神经网络模型 ...
【技术保护点】
【技术特征摘要】
1.一种模拟装置,用于对脉冲神经网络模型的计算进行模拟,所述装置包括表达模块、流程模块和计算模块,其中,所述表达模块,被配置为获取脉冲神经网络模型的参数;所述流程模块,被配置为基于所述脉冲神经网络模型的参数,确定与模拟所述脉冲神经网络模型的数据计算过程相关联的第一信息和与模拟所述脉冲神经网络模型模拟的数据存储过程相关联的第二信息;所述计算模块,被配置为基于所述第一信息和所述第二信息,模拟所述脉冲神经网络模型的数据计算过程和数据存储过程。2.如权利要求1所述的模拟装置,其中,所述脉冲神经网络模型的参数包括以下各项中的至少一项:所述脉冲神经网络模型的神经基元相关的参数、所述脉冲神经网络模型对应的计算环境相关参数、用于初始化所述脉冲神经网络模型的参数、用于定义所述脉冲神经网络模型的计算方式的参数、用于重置所述脉冲神经网络模型的参数。3.如权利要求2所述的模拟装置,其中,所述脉冲神经网络模型的神经基元相关的参数包括以下各项中的至少一项:神经元的相关参数、突触相关的参数、神经元组相关的参数、用于描述神经元组之间的连接方式的相关参数、用于描述神经元之间的连接方式的相关参数。4.如权利要求3所述的模拟装置,其中,所述用于描述神经元之间的连接方式的相关参数包括以下各项中的至少一项:构成神经元之间的连接的突触的内部状态、突触连接神经元的方式;其中,所述突触的内部状态包括突触延迟和突触权重,其中,所述突触连接神经元的方式包括一对一的连接、全对全的连接、以预设概率的连接。5.如权利要求2所述的模拟装置,其中,所述脉冲神经网络模型对应的计算环境相关参数包括以下各项中的至少一项:脉冲神经网络模型执行一次循环对应的现实时间以及循环次数、实际执行循环的硬件运行环境的类型。6.如权利要求1所述的模拟装置,其中,所述第一信息包括所述脉冲神经网络模型处理数据的多个阶段之间的执行顺序和依赖关系,所述多个阶段包括以下多个阶段中的至少两个阶段:神经元更新阶段、突触可塑性更新阶段、神经元脉冲发放阶段。7.如权利要求1所述的模拟装置,其中,所述第二信息包括:所述脉冲神经网络模型存储数据的方式和所述脉冲神经网络模型处理数据的多个阶段之间的传输数据的方式,所述存储和传输的数据包括各个神经元内部的电压、各个神经元发放的脉冲、脉冲经过各个突触后的电位。8.如权利要求1所述的模拟装置,其中,所述流程模块被配置为:基于所述第一信息和所述第二信息,生成描述脉冲神经网络模型的可执行文件,并向述计算模块传输所述可执行文件。9.如权利要求1所述的模拟装置,其中,所述基于所述脉冲神经网络模型的参数,确定与模拟所述脉冲神经网络模型的数据计算过程相关联的第一信息还包括:基于神经元组的信息,合并具有相同类型的神经元的神经元组,基于合并后的神经元组的信息,生成第一信息,以使得相同类型的神经元被连续地存
储。10.如权利要求8所述的模拟装置,其中,所述生成描述脉冲神经网络模型的可执行文件还包括:基于神经元组的信息,枚举每一个神经元组,基于所述第一信息和所述第二信息,生成可执行文件,所述可执行文件指示计算模块以神经元组为单位来更新神经元。11.如权利要求1所述的模拟装置,其中,所述基于所述脉冲神经网络模型的参数,确定与模拟所述脉冲神经网络模型的数据计算过程相关联的第一信息还包括:基于所述脉冲神经网络模型的稀疏特性,确定第一信息,所述第一信息指示使用多个线程的资源来计算每个神经元的电压发放信息;和/或基于计算模块的硬件特性,确定第一信息,所述第一信息指示使用以适配硬件特性的算子来模拟所述脉冲神经网络模型的数据计算过程。12.一种模拟方法,用于对脉冲神经网络模型的计算进行模拟,包括:获取脉冲神经网络模型的参数;基于所述脉冲神经网络模型的参数,确定与模拟所述脉冲神经网络模型的数据计算过程相关联的第一...
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。