加速卡、节点状态确定方法及芯片技术

本申请公开一种加速卡、节点状态确定方法及芯片，涉及人工智能技术领域。加速卡包括M个阵列排布的晶格和M×N个计算模块；各晶格包括N个节点，各节点与P个节点连接，各计算模块包括：获取子模块，用于获取预设偏置值、P个目标权重值和P个初始状态值；第一确定子模块，用于根据预设偏置值、P个目标权重值和P个初始状态值，确定第一目标节点的概率分布值；第二确定子模块，用于根据概率分布值和目标随机值，确定第一目标节点的目标状态值。根据本申请实施例，能够实现对第一目标节点的概率分布值的高效运算，满足概率分布值计算在资源受限的硬件平台上高效运行的需求，进而能够提高第一目标节点的目标状态值的确定效率。

【技术实现步骤摘要】

本申请涉及人工智能，尤其涉及加速卡、节点状态确定方法及芯片。

技术介绍

1、加速卡是一种专用的硬件设备，用于加速某些特定类型的计算任务。相比通用的中央处理器(central processing unit，cpu)，加速卡通常具有更多的运算单元和更高的内存带宽，可以实现更高的并行计算能力。最常见的加速卡是图形处理器(graphicsprocessing unit，gpu)，最初设计用于图形渲染，后来发现也非常适合深度学习中的矩阵运算。除了gpu，还有其他一些专门针对深度学习优化的加速卡，如张量处理器(tensorprocessing unit，tpu)、机器学习器(machine learning unit，mlu)等。这些加速卡在算力、功耗、访存模式等方面进行了专门设计，可以极大提升深度学习的执行效率。

2、概率计算是一种不同于传统确定性计算的新型计算模式，它用概率分布来表示中间结果，用随机采样来近似难以计算的函数。然而传统的计算架构主要面向稠密网络的节点的概率分布值计算，处理稀疏网络的节点的概率分布值时效率低下，进而导致节点状态的确定效率低本文档来自技高网...

【技术保护点】

1.一种加速卡，其特征在于，所述加速卡包括M个阵列排布的晶格和M×N个计算模块；

2.根据权利要求1所述的加速卡，其特征在于，所述第一确定子模块，具体用于：

3.根据权利要求1所述的加速卡，其特征在于，所述第二确定子模块，包括：

4.根据权利要求3所述的加速卡，其特征在于，所述确定单元，包括：

5.根据权利要求3或4所述的加速卡，其特征在于，所述预设激活函数包括双曲正切函数、Sigmoid函数、ReLU函数、Leaky ReLU函数、Parametric ReLU函数、ELU函数、SELU函数和Softmax函数中至少一项。

6...

【技术特征摘要】

1.一种加速卡，其特征在于，所述加速卡包括m个阵列排布的晶格和m×n个计算模块；

2.根据权利要求1所述的加速卡，其特征在于，所述第一确定子模块，具体用于：

3.根据权利要求1所述的加速卡，其特征在于，所述第二确定子模块，包括：

4.根据权利要求3所述的加速卡，其特征在于，所述确定单元，包括：

5.根据权利要求3或4所述的加速卡，其特征在于，所述预设激活函数包括双曲正切函数、sigmoid函数、relu函数、leaky relu函数、parametric relu函数、elu函数...

【专利技术属性】
技术研发人员：田晓昀，朱欣岳，
申请(专利权)人：寒序科技北京有限公司，
类型：发明
国别省市：