【技术实现步骤摘要】
一种用于单比特存内计算的10T计算单元及系统
[0001]本专利技术涉及电子器件
,特别是涉及一种用于单比特存内计算的10T计算单元及系统。
技术介绍
[0002]深度卷积神经网络(DCNN)继续证明了推理精度的提高,深度学习正在向边缘计算转移。这一发展推动了低资源机器学习算法及其加速硬件的工作。DCNN中最常见的运算是乘法和累加(MAC),它控制着功率和延迟。MAC操作具有很高的规则性和并行性,因此,非常适合硬件加速。然而,内存访问量严重限制了传统数字加速器的能源效率。因此,存内计算(CIM)对DCNN加速越来越有吸引力。
[0003]目前存内计算的设计中,按存储介质来划分可分为基于SRAM的设计和基于新型非易失性存储器的设计。基于SRAM的设计技术成熟,但也存在一定问题。比如在计算时可能会对存储单元的数据造成误写入,一些电压域的计算时间较长等问题。
技术实现思路
[0004]为解决现有技术存在的上述问题,本专利技术提供了一种用于单比特存内计算的10T计算单元及系统。
[0005]为实 ...
【技术保护点】
【技术特征摘要】
1.一种用于单比特存内计算的10T计算单元,其特征在于,包括:存储电路和计算电路;所述存储电路与所述计算电路连接;所述计算电路基于所述存储电路中存储的权重进行单比特权重运算。2.根据权利要求1所述的用于单比特存内计算的10T计算单元,其特征在于,所述存储电路为6T存储单元。3.根据权利要求2所述的用于单比特存内计算的10T计算单元,其特征在于,所述计算电路包括第一控制模块、第二控制模块、读位线、第一输入端和第二输入端;所述第一控制模块的第一端口和所述第二控制模块的第一端口均与所述6T存储单元中的权重存储点连接;所述第一控制模块的第二端口与所述第一输入端连接;所述第二控制模块的第二端口与所述第二输入端连接;所述第一控制模块的第三端口与所述第二控制模块的第三端口连接;所述第一控制模块的第四端口和所述第二控制模块的第四端口均与所述读位线连接。4.根据权利要求3所述的用于单比特存内计算的10T计算单元,其特征在于,所述第一控制模块包括:PMOS管和第一NMOS管;所述PMOS管的栅极作为所述第一控制模块的第一端口与所述权重存...
【专利技术属性】
技术研发人员:乔树山,黄茂森,尚德龙,周玉梅,
申请(专利权)人:中科南京智能技术研究院,
类型:发明
国别省市:
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。