【技术实现步骤摘要】
本实现方式一般涉及人工智能(ai)网络，并且具体地涉及能够作为能够实现不同的ai模型的可重配置多层图像处理器来操作的专用集成电路(asic)上的ai网络。
技术介绍
1、图像处理使所捕获的图像能够渲染于显示器上，使得例如在给定图像捕获设备或显示设备的能力或限制的情况下能够准确地再现原始场景。例如，图像处理器可以用于图像缩放，例如数字图像的大小调整，诸如视频图像的放大率，其被称为放大或分辨率增强。数字图像可以另外缩小以减小视频图像的放大率。图像处理也可以用于其它影响(affect)，诸如调整在低光条件下捕获的图像的像素值，以校正亮度、颜色以及噪声的不准确性。
2、现有的图像处理技术通常应用算法滤波器以增加或减少像素的数量以调整像素值。例如，通常使用用于改进计算机系统或应用实行某个任务的能力的机器学习技术来开发用于图像处理的算法滤波器。机器学习能够被分解成两个组成部分：训练和推理。在训练阶段期间，可以给机器学习系统提供一个或多个“回答”和要映射到每个回答的一个或多个原始数据集。机器学习系统可以对原始数据实行统计分析以对能够用于描述或再现回答的规则集(诸如公共特征集)进行“学习”或建模。例如，深度学习是其中被训练的模型是多层“神经网络”的特定形式的机器学习。在推理阶段期间，机器学习系统可以将规则应用于新数据以生成关于数据的回答或推理。
3、训练阶段一般使用对浮点精度输入数据进行操作的专用硬件来实行。形成对照的是，推理阶段通常在具有有限硬件资源(诸如有限的处理器带宽、存储器或功率)的边缘设备上实行。例如，为了提高
技术实现思路
1、提供本概要以按简化形式介绍在下文中在详细描述中进一步描述的概念的选择。本概要不旨在标识要求保护的主题的关键特征或基本特征，本概要也不旨在限制要求保护的主题的范围。
2、如本文中所描述的，专用集成电路(asic)上的ai网络能够作为能够实现不同的ai模型的可重配置多层图像处理器来操作。在一些方面，多层ai网络中的每个层包括多个乘法器-累加器(mac)单元，并且，至少一个层被划分成可重配置成独立地操作或以mac单元块的一个或多个组合操作的多个mac单元块。在至少一个层中布置多个mac单元块能够实现：实现一个或多个虚拟层、重配置输入深度大小、重配置输出特征映射大小或其组合，这可以用于执行用于图像处理的期望ai模型。
3、本公开的主题的一个方面在能够作为可重配置多层图像处理器来操作的专用集成电路(asic)上的人工智能(ai)网络中实现。ai网络包括：多个层，其包括接收图像输入的输入层、产生图像输出的输出层以及输入层与输出层之间的至少一个中间层；每个层包括多个乘法器-累加器(mac)单元；并且，至少一个层被划分成多个mac单元块，多个mac单元块可重配置成独立地操作或以mac单元块的一个或多个组合操作，其中，多个mac单元块的重配置执行用于图像处理的ai模型的改变。
4、本公开的主题的一个方面在能够作为可重配置多层图像处理器来操作的专用集成电路(asic)上重配置人工智能(ai)网络的方法中实现。该方法包括：接收用于图像处理的人工智能(ai)模型；基于ai模型来配置ai网络，其中，ai网络包括：多个层，其包括接收图像输入的输入层、产生图像输出的输出层以及在输入层与输出层之间的至少一个中间层，每个层包括多个乘法器-累加器(mac)单元；以及至少一个层，其被划分成多个mac单元块，多个mac单元块可重配置成独立地操作或以mac单元块的一个或多个组合操作。该方法还包括：接收用于图像处理的ai模型的改变；以及重配置多个mac单元块以执行用于图像处理的ai模型的改变。
本文档来自技高网...【技术保护点】
1.一种能够作为可重配置多层图像处理器来操作的专用集成电路(ASIC)上的人工智能(AI)网络，所述人工智能(AI)网络包括：
2.根据权利要求1所述的AI网络，其中，所述图像处理包括图像缩放。
3.根据权利要求1所述的AI网络，其中，能够重配置成独立地操作或以MAC单元块的一个或多个组合操作的所述多个MAC单元块能够实现除了所述多个层之外的一个或多个虚拟层的实现。
4.根据权利要求1所述的AI网络，其中，能够重配置成独立地操作或以MAC单元块的一个或多个组合操作的所述多个MAC单元块能够实现针对被划分成所述多个MAC单元块的所述至少一个层来重配置输入深度大小、输出特征映射大小或其组合。
5.根据权利要求4所述的AI网络，其中，所述多个MAC单元块中的不同的MAC单元块支持不同的输入深度大小、不同的输出特征映射大小或其组合。
6.根据权利要求1所述的AI网络，其中，多个层被划分成所述多个MAC单元块。
7.根据权利要求1所述的AI网络，其中，每个MAC单元包括二维(2D)滤波器。
8.根据权利要求
9.根据权利要求8所述的AI网络，其中，所述图像输出包括对于所述图像输入中的每个相应像素的多个像素。
10.根据权利要求1所述的AI网络，其中，每个层包括与每个层相关联的用于抽头生成的存储器组，其中，MAC单元块的任何组合能够由任何存储器组接收，并且，来自任何存储器组的抽头输出能够由MAC单元块的任何组合接收。
11.一种在能够作为可重配置多层图像处理器来操作的专用集成电路(ASIC)上重配置人工智能(AI)网络的方法，所述方法包括：
12.根据权利要求11所述的方法，其中，所述图像处理包括图像缩放。
13.根据权利要求11所述的方法，其中，能够重配置成独立地操作或以MAC单元块的一个或多个组合操作的所述多个MAC单元块能够实现除了所述多个层之外的一个或多个虚拟层的实现。
14.根据权利要求11所述的方法，其中，重配置所述多个MAC单元块对被划分成所述多个MAC单元块的所述至少一个层的输入深度大小、输出特征映射大小或其组合进行重配置。
15.根据权利要求14所述的方法，其中，所述多个MAC单元块中的不同的MAC单元块支持不同的输入深度大小、不同的输出特征映射大小或其组合。
16.根据权利要求11所述的方法，其中，多个层被划分成所述多个MAC单元块。
17.根据权利要求11所述的方法，其中，每个MAC单元包括二维(2D)滤波器。
18.根据权利要求11所述的方法，其中：
19.根据权利要求18所述的方法，其中，所述图像输出包括对于所述图像输入中的每个相应像素的多个像素。
20.根据权利要求11所述的方法，其中，每个层包括与每个层相关联的用于抽头生成的存储器组，其中，MAC单元块的任何组合能够由任何存储器组接收，并且，来自任何存储器组的抽头输出能够由MAC单元块的任何组合接收。
...【技术特征摘要】
1.一种能够作为可重配置多层图像处理器来操作的专用集成电路(asic)上的人工智能(ai)网络，所述人工智能(ai)网络包括：
2.根据权利要求1所述的ai网络，其中，所述图像处理包括图像缩放。
3.根据权利要求1所述的ai网络，其中，能够重配置成独立地操作或以mac单元块的一个或多个组合操作的所述多个mac单元块能够实现除了所述多个层之外的一个或多个虚拟层的实现。
4.根据权利要求1所述的ai网络，其中，能够重配置成独立地操作或以mac单元块的一个或多个组合操作的所述多个mac单元块能够实现针对被划分成所述多个mac单元块的所述至少一个层来重配置输入深度大小、输出特征映射大小或其组合。
5.根据权利要求4所述的ai网络，其中，所述多个mac单元块中的不同的mac单元块支持不同的输入深度大小、不同的输出特征映射大小或其组合。
6.根据权利要求1所述的ai网络，其中，多个层被划分成所述多个mac单元块。
7.根据权利要求1所述的ai网络，其中，每个mac单元包括二维(2d)滤波器。
8.根据权利要求1所述的ai网络，其中：
9.根据权利要求8所述的ai网络，其中，所述图像输出包括对于所述图像输入中的每个相应像素的多个像素。
10.根据权利要求1所述的ai网络，其中，每个层包括与每个层相关联的用于抽头生成的存储器组，其中，mac单元块的任何组合能够由任何存储器组接收，并且，来自任何存储器组的抽头输出能够由ma...
【专利技术属性】
技术研发人员：B·穆尼，A·德夫雷，A·坦博利，
申请(专利权)人：辛纳普蒂克斯公司，
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。