【技术实现步骤摘要】
一种神经网络加速装置、方法、设备和计算机存储介质
[0001]本申请涉及存内计算
,尤其涉及一种神经网络加速装置、方法、设备和计算机存储介质。
技术介绍
[0002]近年来,神经网络在实际应用中取得了显著的成功,如图像分类和图标检测等,但这些成果在很大程度上依赖于具有大量参数和计算的复杂神经网络模型。目前,将这些需要大量计算和数据搬移的复杂神经网络模型,部署到基于冯.诺依曼架构的神经网络加速器上,将会出现所谓的存储墙(Memory Wall)问题,即数据搬移速度跟不上数据处理速度。
[0003]在冯.诺依曼架构中,虽然实现了计算单元和内存相分离,但是计算单元需要从内存中读取数据,然后再把计算结果写回到存储器。这样,即使增加再多的计算能力,由于读取数据速度的限制,整个系统的性能提升并不明显,而且大量的数据传输也将带来大量的功耗消耗。
技术实现思路
[0004]本申请的目的在于提出一种神经网络加速装置、方法、设备和计算机存储介质。
[0005]为达到上述目的,本申请的技术方案是这样实现的:
[0006]第一方面,本申请实施例提供了一种神经网络加速装置,该神经网络加速装置包括若干个运算单元,每一个运算单元包括存内计算阵列和第一算子模块,且第一算子模块中包括若干个第一类算子;其中,
[0007]存内计算阵列,用于获取输入特征数据,并对输入特征数据进行卷积操作,得到初始计算结果;
[0008]第一算子模块,用于通过第一类算子对初始计算结果进行算子操作,得到中间计算结 ...
【技术保护点】
【技术特征摘要】
1.一种神经网络加速装置,其特征在于,所述神经网络加速装置包括若干个运算单元,所述运算单元包括存内计算阵列和第一算子模块,且所述第一算子模块中包括若干个第一类算子;其中,所述存内计算阵列,用于获取输入特征数据,并对所述输入特征数据进行卷积操作,得到初始计算结果;所述第一算子模块,用于通过所述第一类算子对所述初始计算结果进行算子操作,得到中间计算结果,并将所述中间计算结果作为下一个所述运算单元的输入特征数据。2.根据权利要求1所述的神经网络加速装置,其特征在于,所述存内计算阵列中预先存储有目标卷积层对应的权重参数;其中,所述存内计算阵列,用于在获取到所述目标卷积层对应的输入特征数据后,根据所述权重参数对所述输入特征数据进行卷积操作,得到所述初始计算结果。3.根据权利要求2所述的神经网络加速装置,其特征在于,所述存内计算阵列包括数模转换模块、存储阵列和模数转换模块;其中,所述数模转换模块,用于对所述输入特征数据进行数模转换,得到第一模拟信号;所述存储阵列,用于根据所述权重参数和所述第一模拟信号进行乘累加计算,得到第二模拟信号;所述模数转换模块,用于对所述第二模拟信号进行模数转换,得到目标数字信号,将所述目标数字信号确定为所述初始计算结果。4.根据权利要求2所述的神经网络加速装置,其特征在于,所述运算单元为第i个运算单元,且所述第i个运算单元中的存内计算阵列预先存储有第i卷积层对应的权重参数;其中,所述存内计算阵列,用于获取所述第i卷积层对应的输入特征数据,并根据所述第i卷积层对应的权重参数对所述第i卷积层对应的输入特征数据进行卷积操作,得到所述第i卷积层的初始计算结果;所述第一算子模块,用于通过所述第一类算子对所述第i卷积层的初始计算结果进行算子操作,得到所述第i卷积层的中间计算结果,并将所述第i卷积层的中间计算结果确定为第i+1卷积层对应的输入特征数据;其中,i为大于零且小于或等于N的整数;N表示所述运算单元的个数,且N为大于零的整数。5.根据权利要求1所述的神经网络加速装置,其特征在于,所述神经网络加速装置还包括接收单元;其中,所述接收单元,用于接收特征图像,并将所述特征图像分割为至少一个特征块,以及按照顺序依次将所述至少一个特征块读入到所述运算单元中。6.根据权利要求5所述的神经网络加速装置,其特征在于,在所述若干个运算单元中,第一个运算单元的输入特征数据为第一特征块,在得到第一个运算单元输出的中间计算结果之后,将所述第一个运算单元输出的中间计算结果作为下一个运算单元的输入特征数据,并将下一个特征块作为所述第一个运算单元的输入特征数据,直至所述若干个运算单元全部处理完成。7.根据权利要求1所述的神经网络加速装置,其特征在于,所述神经网络加速装置还包
括数字信号处理器;其中,所述数字信号处理器,用于在无法使用所述第一类算子的情况下,对所述初始计算结果进行处理,得到所述中间计算结果。8.根据权利要求7所述的神经网络加速装置,其特征在于,所述第一类算子对应于适用于专用数字电路的加速运算,所述数字信号处理器用于处理除所述第一类算子之外的不适用于专用数字电路的运算;所述第一类算子至少包括下述之一:用于执行池化操作的算子、用于执行激活函数操作的算子和用于执行加法操作的算子。9.一种神经网络加速方法,其特征在于,应用于神经网络加速装置,所述神经网络加速装置包括若干个运算单元,且每一个运算单元包括存内计算阵列和第一算子模块;所述方法包括:通过所述存内计算阵列获取输入特征数据,并对所述输入特征数据进行卷积操作,得到初始计算结果;通过所述第一算子模块内的第一类算子对所述初始计算结果进行算子操作,得到中间计算结果;将所述中间计算结果作为下一个所述运算单元的输入特征数据,直至所述若干个运算单元全部处理完成,确定目标输出结果。10.根据权利要求9所述的方法,其特征在于,所述存内计算阵列中预先存储有目标卷积层对应的权重参数;相应地,所述通过所述存内计算阵列获取输入特征数据,并对所述输入...
【专利技术属性】
技术研发人员:祝叶华,孙炜,
申请(专利权)人:哲库科技上海有限公司,
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。