【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
1、“标准”人工神经网络(ann)由许多卷积层组成。这些标准ann以输出为中心的方式运算，即在运算中，卷积层使用来自卷积核内的先前输入特征图的数据来计算其输出特征图的每个元素，卷积核位于先前图中与要计算的元素的位置相对应的位置。这通常会涉及大量静态计算工作量。通常，这些标准ann的神经网络加速器使用矢量化技术来有效处理该工作量。
2、图1示意性地示出了标准ann中卷积神经网络层的输入特征图fi和输出特征图fo。输入特征图fi将输入特征向量指定为一对横向坐标(y，x)和输入特征索引坐标(i)的函数。类似地，输出特征图fo将输出特征向量指定为一对横向坐标(y，x)和输出特征索引坐标(z)的函数。如图1所示，输出特征图分别在y和x方向上具有横向维度dy、dx，并且在特征向量索引坐标方向上具有维度dz。图1中还示出了卷积核被定义为分别在方向i、y、x上有维度ki、kl、kk。在运算中，标准ann的卷积层使用以下表达式对每个元素ed执行卷积运算，卷积核由ki、kl、kk定义：
3、fo(z,y,x)＝act(∑...
【技术保护点】
1.一种卷积神经网络处理模块(1)，其包括数据处理器(4)，所述数据处理器用于处理来自输入特征图的数据，并生成用于输出特征图存储空间(3)中的输出特征图的数据，
2.根据权利要求1的卷积神经网络处理模块(1)，其中所述数据处理器(4)包括SIMD处理单元，以用于将所述更新函数f应用于一系列相互连续的位置中的一系列数据元素。
3.根据权利要求1所述的卷积神经网络处理模块，其中所述运算是乘法累加，其中输出特征数据元素的经更新的值是所述输入特征数据元素的值与核元素的权重的乘积与所述输出特征数据元素的原始值之和，所述核元素将所述输出特征数据元素与所述输...
【技术特征摘要】
【国外来华专利技术】
1.一种卷积神经网络处理模块(1)，其包括数据处理器(4)，所述数据处理器用于处理来自输入特征图的数据，并生成用于输出特征图存储空间(3)中的输出特征图的数据，
2.根据权利要求1的卷积神经网络处理模块(1)，其中所述数据处理器(4)包括simd处理单元，以用于将所述更新函数f应用于一系列相互连续的位置中的一系列数据元素。
3.根据权利要求1所述的卷积神经网络处理模块，其中所述运算是乘法累加，其中输出特征数据元素的经更新的值是所述输入特征数据元素的值与核元素的权重的乘积与所述输出特征数据元素的原始值之和，所述核元素将所述输出特征数据元素与所述输入特征数据元素相关联。
4.根据权利要求1所述的卷积神经网络处理模块，其中所述函数f还包括激活函数。
5.根据权利要求1所述的卷积神经网络处理模块，其配置成以基于触发的方式执行卷积运算。
6.根据权利要求5所述的卷积神经网络处理模块，其中输入特征图(fi)数据由基于事件的相机(20)提供，所述基于事件的相机配置成触发所述数据处理器(4)以更新与被提供的输入特征图(fi)数据相关联的所述输出特征图数据。
7.一种神经网络处理系统，其包括一个或多个如前述权利要求中任一项所述的卷积神经网络处理模块。
8.根据权利要求5所述的神经网络处理系统，其还包括全连接层、池化层等中的一者或多者。
...【专利技术属性】
技术研发人员：卢克·约翰内斯·威廉默斯·瓦伊仁，科内利斯·赫曼努斯·范伯克尔，奥兰多·米格尔·皮雷斯多斯雷斯莫雷拉，
申请(专利权)人：斯纳普公司，
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。