【技术实现步骤摘要】
本专利技术涉及神经网络加速器体系，尤其涉及一种串行压缩单元、深度神经网络加速器。
技术介绍
1、深度神经网络 (dnn） 在很多场景下都得到了广泛的应用。由于不断增长的dnn模型计算需求往往难以得到满足，减少模型大小和计算量的剪枝技术引起了广泛的兴趣。剪枝后的模型是稀疏的，即：重要程度较小的权重被置为零。由于零权重对计算结果是无效的，所以可以在硬件上跳过零权重相关的计算来节约硬件资源。为了跳过无效的计算，神经网络加速器把操作数送入计算单元之前，必须将稀疏数据压缩为稠密格式，来避免无用的带宽消耗和计算资源占用。
2、现有神经网络加速器设计通常采用并行压缩的方法，即通过路由网络将稀疏数据映射到计算单元（cu）中。研究发现，即使对于非常有限的设计规模，也需要一个惊人的大电路来压缩稀疏数据。如图1a所示，其示出了现有稀疏dnn加速器的通用框架，通过在密集的计算单元前面放置一个稀疏数据压缩单元，在每个周期中，压缩单元可以并行地从n个稀疏数据中选择最多m个有效项，并将m项通过路由网络映射到m个相应的计算单元。在压缩单元的帮助下，较小的计...
【技术保护点】
1.一种串行压缩单元，其特征在于，包含：
2.根据权利要求1所述的串行压缩单元，其特征在于，
3.根据权利要求1所述的串行压缩单元，其特征在于，相邻二异步电路握手模块之间通过一请求回路与一应答回路连接，所述请求回路传输所述请求信号，所述应答回路传输所述应答信号，所述延时匹配模块配置于所述请求回路。
4.根据权利要求1所述的串行压缩单元，其特征在于，
5.一种深度神经网络加速器，其特征在于，包含：
6.根据权利要求5所述的深度神经网络加速器，其特征在于，
7.根据权利要求5所述的深度神经网络加速器，...
【技术特征摘要】
1.一种串行压缩单元，其特征在于，包含：
2.根据权利要求1所述的串行压缩单元，其特征在于，
3.根据权利要求1所述的串行压缩单元，其特征在于，相邻二异步电路握手模块之间通过一请求回路与一应答回路连接，所述请求回路传输所述请求信号，所述应答回路传输所述应答信号，所述延时匹配模块配置于所述请求回路。
4.根据权利要求1所述的串行压缩单元，其特征在于，
5.一种深度神经网络加速器，其特征在于，包含：
6.根据权利要求5所述的深度神经网络加速器，其特征在于，
7.根据权利要求5所述的深度神经网络加速器，其特征在于，相邻二异步电路握手模块之间通过一请求回路与一应答回路连接，所述请求回路传输一请求信号，...
【专利技术属性】
技术研发人员：陈云霁，刘洋，赵永威，杜子东，郭崎，
申请(专利权)人：中国科学院计算技术研究所，
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。