【技术实现步骤摘要】
【国外来华专利技术】用于归一化函数的数字电路
技术介绍
[0001]本公开涉及计算,并且更具体地涉及用于归一化函数的数字电路。
[0002]人工神经网络(在下文中,神经网络)已普遍地在人工智能应用和现代计算中变得越来越重要。在图1中示出了示例神经网络。神经网络100接收与待识别的特征相对应的输入值。输入值乘以权重(用边101表示),并且在节点102中相加在一起(例如,求和)。将激活函数应用于节点102中的结果以生成输出值。将该值跨多个节点和节点的层进行组合以产生与结果相对应的网络输出值。
[0003]这样的系统通过考虑示例来“学习”执行任务,通常不需要利用任务特定的规则进行编程。最初,权重可以是未经训练的。在训练阶段期间,对应的已知结果的输入值由网络处理,并且将网络输出值之间的差异(或者,误差)与已知值进行比较。可以使用被称为反向传播的处理,基于误差来调整权重,其中计算以相反的方向进行(例如,从输出到输入)。训练可以涉及在许多输入样本和对应的已知网络输出值之间连续调整权重。这通常被称为训练阶段。一旦被训练,系统可以接收输入并产生有意义的结果(例如,分类或识别)。这通常被称为推理阶段。
[0004]随着神经网络的普及度越来越高,神经网络被用来解决的问题的复杂度也越来越高。随着问题复的杂度增加,神经网络的规模和计算复杂度也随之增加。神经网络中一个常见且非常耗时的操作是归一化。例如,当激活和权重跨网络的各个节点相乘和求和时,通常会对结果进行归一化。Softmax就是这样的归一化函数的示例。例如,Softmax可以用作神经网络的最后一个激活函数, ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种数字电路,包括:组合逻辑,接收表示输入值的输入尾数的第一数字位和表示输入值的输入指数的第二数字位,所述组合逻辑生成多个输出尾数和多个输出指数,所述多个输出尾数和多个输出指数与当所述输入值为正和负并且当所述输入指数高于和低于第一值时二(2)的幂次方的所述输入值次方的近似值相对应;以及两个或更多个选择电路,被配置为接收所述多个输出尾数和所述多个输出指数,所述选择电路包括被耦合到所述输入值的所述输入指数和输入符号位的选择控制输入以选择所述多个输出尾数中的一个输出尾数和所述多个输出指数中的一个输出指数。2.根据权利要求1所述的数字电路,其中所述组合逻辑基于所述输入指数来生成所述输入尾数的多个移位版本以产生所述多个输出尾数和所述多个输出指数,所述数字电路还包括控制逻辑,所述控制逻辑被配置为接收所述输入指数和所述输入符号位、以及生成对至少一个尾数选择电路和指数选择电路的控制信号。3.根据权利要求1所述的数字电路,其中所述两个或更多个选择电路产生:当所述输入符号位为正并且所述输入指数小于第一值时,第一输出尾数和第一输出指数,所述第一输出尾数包括所述输入尾数的第一移位版本与第一常数之和,所述第一输出指数具有零值;当所述输入符号位为正并且所述输入指数大于所述第一值时,第二输出尾数和第二输出指数,所述第二输出尾数包括所述输入尾数的第二移位版本的模数,所述第二输出指数具有基于所述输入指数而被移位的一(1)与所述输入尾数的所述第二移位版本的整除相加的数字值;当所述输入符号位为负并且所述输入指数小于所述第一值时,第三输出尾数和第三输出指数,所述第三输出尾数包括从第二常数减去所述输入尾数的所述第一移位版本与所述第一常数之和,所述第三输出指数具有负一(
‑
1)值;以及当所述输入符号位为负并且所述输入指数大于所述第一值时,第四输出尾数以及所述第二输出指数的负值减一(1),所述第四输出尾数包括从所述第二常数减去所述输入尾数的所述第二移位版本的模数。4.根据权利要求1所述的数字电路,其中所述组合逻辑包括一个或多个移位器电路,所述一个或多个移位器电路具有被耦合到所述输入尾数的输入以及被耦合到所述输入指数的移位输入,其中所述一个或多个移位器电路产生所述输入尾数的左移位版本和右移位版本。5.根据权利要求4所述的数字电路,其中所述输入尾数的右移位版本被用于形成第一输出尾数和第二输出尾数,并且其中所述输入尾数的左移位版本的较低位被用于形成第三输出尾数和第四输出尾数。6.根据权利要求5所述的数字电路,其中所述输入尾数的所述...
【专利技术属性】
技术研发人员:T,
申请(专利权)人:微软技术许可有限责任公司,
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。