【技术实现步骤摘要】
一种面向神经网络加速器的精度可配置乘累加单元
[0001]本专利技术涉及一种面向神经网络加速器的精度可配置乘累加单元技术,属于可配置计算
技术介绍
[0002]CNN(Convolutional Neural Network,卷积神经网络)在图像识别和目标识别等许多计算机视觉任务中取得了巨大的成功,但是不断增加的网络模型尺寸导致了对内存大小、带宽和计算资源的重大需求。人们提出了许多模型压缩方法,如剪枝和量化,以减少CNN的存储和计算需求。
[0003]量化的方法可以大幅减小CNN模型的大小,缓解了内存密集的问题,从而有助于降低带宽需求。然而,目前的加速器大多未能利用量化模型来解决计算密集型问题。大多数加速器以固定的高精度执行MAC(Multiply Accumulate,乘累加)操作,但是许多量化MAC操作并不需要这么高的精度。量化技术很难提高精确固定加速器的吞吐率和功率效率。不同的应用对加速器在各个方面都有不同的要求,精确固定加速器缺乏满足这些要求的灵活性。
[0004]因此,最近提出了精度可配置的CNN加速器,其激活的精度和权重可以部分或者全部缩放。然而,随着性能的提高,组成精度较低的部分需要复杂的可配置逻辑,精度的降低也需要更多的激活和权重来执行精度可配置单元的计算。激活和权值需求的增加,使得对带宽和逻辑资源的需求也增加,从而导致更高的功耗和更低的硬件利用率。
技术实现思路
[0005]技术问题:针对上述问题,本专利技术公开了一种面向神经网络加速器的精度可配置乘累加单元
【技术保护点】
【技术特征摘要】
1.一种面向神经网络加速器的精度可配置乘累加单元,其特征在于:该乘累加单元包括第零计算单元(Cell0)、第一计算单元(Cell1)、第二计算单元(Cell2)、第三计算单元(Cell3)四个计算单元和第三求和模块(4.3)、第五求和模块(4.5)、第六求和模块(4.6);先将第零计算单元(Cell0)、第一计算单元(Cell1)通过第五求和模块(4.5)进行求和,然后将第二计算单元(Cell2)、第三计算单元(Cell3)通过第六求和模块(4.6)进行求和,最后对以上两个求和生成的部分通过第三求和模块(4.3)进行最终求和;其中精度可配置乘累加单元中所有求和模块按照输入位宽的不同进行相应的关断以适应2位、4位和8位不同位宽的卷积神经网络各个层的乘累加操作。2.根据权利要求1所述的面向神经网络加速器的精度可配置乘累加单元,其特征在于:所述的第零计算单元(Cell0)、第一计算单元(Cell1)、第二计算单元(Cell2)、第三计算单元(Cell3)四个单元分别为最小计算单元,每个最小计算单元包括基于多路选择的2bit乘法单元(1)、位拼接、移位单元、求和模块;其中,位拼接包括第一位拼接(2.1)、第二位拼接(2.2)、第三位拼接(2.3)、第四位拼接(2.4)、第五位拼接(2.5)、第六位拼接(2.6);移位单元包括第一移位单元(3.1)、第二移位单元(3.2)、第三移位单元(3.3)、第四移位单元(3.4)、第五移位单元(3.5)、第六移位单元(3.6)、第七移位单元(3.7)、第八移位单元(3.8)、第九移位单元(3.9);求和模块包括第一求和模块(4.1)、第二求和模块(4.2)、第三求和模块(4.3)、第四求和模块(4.4)、第五求和模块(4.5)、第六求和模块(4.6)、第七求和模块(4.7)、第八求和模块(4.8)、第九求和模块(4.9)。3.根据权利要求2所述的面向神经网络加速器的精度可配置乘累加单元,其特征在于:所述的第零计算单元(Cell0)中,基于多路选择的2bit乘法单元(1)由4路乘法单元构成作为输入,其中,第一路乘法单元和第二路乘法单元的输出分别接第一位拼接(2.1)的输入,第三路乘法单元和第四路乘法单元的输出分别接第二位拼接(2.2)的输入,第一位拼接(2.1)的输出接第一求和模块(4.1),第二位拼接(2.2)的输出接第一移位单元(3.1),第一移位单元(3.1)的输出接第一求和模块(4.1),第一求和模块(4.1)的输出接第五求和模块(4.5)进行求和。4.根据权利要求2所述的面向神经网络加速器的精度可配置乘累加单元,其特征在于:所述的第一计算单元(Cell1)中,基于多路选择的2bit乘法单元(1)由4路乘法单元构成作为输入,其中,第一路乘法单元和第二路乘法单元的输出分别接第五位拼接(2.5)的输入,第三路乘法单元和第四路乘法单元的输出分别接第六位拼接(2.6)的输入;第五位拼接(2.5)的输出接第二求和模块(4.2);第六位拼接(2.6)的输出接第三移位单元(3.3),第三移位单元(3.3)的输出接第二求和模块(4.2),第二求和模块(4.1)的输出接第二移位单元(3.2),第二移位单元(3.2)的输出接第五求和模块(...
【专利技术属性】
技术研发人员:刘昊,陈健,周欣如,李心贺,王丽洁,
申请(专利权)人:东南大学,
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。