数据处理方法、乘累加器、计算架构、设备及存储介质技术

本申请公开了一种数据处理方法、乘累加器、基于神经网络的计算架构、电子设备以及计算机可读存储介质，该数据处理方法应用于一种乘累加器，所述乘累加器包括若干乘法器和若干加法器，所述乘法器的输出连接所述加法器；所述数据处理方法包括：获取输入数据；将所述输入数据输入所述乘法器；将至少两个所述乘法器的计算结果同时输入第一层的加法器；将至少两个所述第一层的加法器的计算结果同时输入第二层的加法器；直至计算结果输入顶层的加法器，将顶层的加法器的计算结果作为所述乘累加器对所述输入数据的最终计算结果。

【技术实现步骤摘要】

本申请涉及计算机处理，特别是涉及一种数据处理方法、乘累加器、基于神经网络的计算架构、电子设备以及计算机可读存储介质。

技术介绍

1、近年来，随着互联网和大数据技术的发展，人们提出精度更高的神经网络，尤其是各种高算力神经网络加速器人工智能(artificial intelligence，ai)芯片的出现和发展，极大地加快了卷积神经网络(convoutlional neural networks，cnn)的训练和推理速度，促进了ai算法的更新，拓宽了ai的实际应用场景。随着ai应用场景日趋多元化，ai处理的任务也更加复杂。具体来说，cnn的网络层数更深，训练参数更多，网络规模更大，ai芯片需处理的数据量、计算量和访存量大幅增加，对ai芯片的计算能力提出了更高的要求。

技术实现思路

1、本申请提供一种数据处理方法、乘累加器、基于神经网络的计算架构、电子设备以及计算机可读存储介质，以解决现有技术中计算架构算力不足的问题。

2、为解决上述技术问题，本申请采用的一个技术方案是：提供一种数据处理方法，所述数据处本文档来自技高网...

【技术保护点】

1.一种数据处理方法，其特征在于，所述数据处理方法应用于一种乘累加器，所述乘累加器包括若干乘法器和若干加法器，所述乘法器的输出连接所述加法器；所述数据处理方法包括：

2.根据权利要求1所述的数据处理方法，其特征在于，

3.根据权利要求1或2所述的数据处理方法，其特征在于，

4.根据权利要求1所述的数据处理方法，其特征在于，

5.一种乘累加器，其特征在于，所述乘累加器包括：获取模块、乘法模块、加法模块以及输出模块；其中，

6.一种基于神经网络的计算架构，其特征在于，所述计算架构包括：

7.根据权利要求6所述的计算架构，...

【技术特征摘要】

1.一种数据处理方法，其特征在于，所述数据处理方法应用于一种乘累加器，所述乘累加器包括若干乘法器和若干加法器，所述乘法器的输出连接所述加法器；所述数据处理方法包括：

2.根据权利要求1所述的数据处理方法，其特征在于，

3.根据权利要求1或2所述的数据处理方法，其特征在于，

4.根据权利要求1所述的数据处理方法，其特征在于，

5.一种乘累加器，其特征在于，所述乘累加器包括：获取模块、乘法模块、加法模块以及输出模块；其中，

6.一种基于神经网络的计算架构...

【专利技术属性】
技术研发人员：王峥，梁晨，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：