【技术实现步骤摘要】
本专利技术属于计算，涉及一种寄存器内完成连续矩阵乘法的计算方法及装置。
技术介绍
1、得益于人工智能的发展，与之相关的应用越来越普及。为此，一些厂商研发了他们自己的ai处理器或者加速器，如google的tpu、英特尔的神经网络棒、特斯拉的无人驾驶汽车芯片，以及现在众多智能手机所带有的神经网络加速引擎等，为专门的业务提供强劲的性能处理能力。这些ai加速装置通常采用低精度、新颖数据流、内存内计算的架构，而且针对特定算法操作(如卷积操作)进行过优化，性能远高于一般的通用处理器，例如nvidiatesla v100的tensor core可以提供125tensor tflops的算力。随着技术的发展，此类强大的算力资源必然越来越常见，且更容易获得访问。如果能够将ai加速器的算力用于除人工智能应用外的其它领域，如密码计算，那一定也会大大提升该领域的计算效率。
2、另一方面，量子计算机给信息安全尤其是既有密码体制安全带来了巨大的挑战。格密码，作为一种抗量子密码，被广泛认为最有希望成为下一代的公钥密码标准的密码系统。在标准格中，环上多项式...
【技术保护点】
1.一种寄存器内完成连续矩阵乘法的计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对矩阵C进行置换处理，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过调整warp中每个线程的寄存器顺序，得到矩阵A、矩阵B和矩阵C的连续乘法结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述调整warp中每个线程的寄存器顺序，以得到矩阵G对应的矩阵G′，包括：
5.根据权利要求1至4任一所述的方法，其特征在于，所述基于wmma.load变换分别将矩阵A、矩阵B和矩阵C′读入warp之...
【技术特征摘要】
1.一种寄存器内完成连续矩阵乘法的计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对矩阵c进行置换处理，包括：
3.根据权利要求1所述的方法，其特征在于，所述通过调整warp中每个线程的寄存器顺序，得到矩阵a、矩阵b和矩阵c的连续乘法结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述调整warp中每个线程的寄存器顺序，以得到矩阵g对应的矩阵g′，包括：
5.根据权利要求1至4任一所述的方法，其特征在于，所述基于wmma.load变换分别将矩阵a、矩阵b和矩阵c′读入warp之后，通...
【专利技术属性】
技术研发人员：郑昉昱，周天，荆继武，王跃武，林璟锵，孙思维，边毅，
申请(专利权)人：中国科学院大学，
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。