提升神经网络在模拟运算器件上的计算精度的方法和装置制造方法及图纸

本发明专利技术公开了一种提升神经网络在模拟运算器件上的计算精度的方法和装置，所述方法包括：获取原始神经网络；在原始神经网络的神经网络层所对应的预设位置处插入降噪层，以形成目标神经网络；基于模拟运算器件对目标神经网络中的原始神经网络中所包含的神经网络层进行计算，得到第一特征图，并基于数字运算器件对降噪层中的第一特征图进行计算，得到目标特征图。本发明专利技术的方法能够提高神经网络的推理精度，且计算量低。

【技术实现步骤摘要】

本专利技术涉及神经网络，尤其涉及一种提升神经网络在模拟运算器件上的计算精度的方法、一种计算机可读存储介质、一种运算器和一种提升神经网络在模拟运算器件上的计算精度的装置。

技术介绍

1、对于存算一体(cim，computing in memory)交叉阵列(简称存算一体阵列)是一种高效的模拟运算器件，可用于实现大规模的矩阵-向量乘加运算，通常在人工智能与神经网络的计算中有大量应用。其电路的基本运算单元通常为一个电导或电荷可调制的电路器件，如忆阻器、相变存储器、磁性存储器、浮栅晶体管、动态随机存储器、静态随机存储器等。通过行列开关的选通，在模拟域累加电流并采样，实现高效的矩阵乘法运算。

2、如图1所示，以忆阻器存算一体阵列进行神经网络推理(矩阵乘法)为例，通常将权重信息以电导(g)形式保存在存算一体器件中，通过使用字线(wl)选通行列开关，并使用dac(digital-to-analog converter，数字-模拟转换器件)在位线(bl)上施加不同等级的电压获得电流(itot)，在源线(sl)端收集电流并经过adc(analog-to-digi本文档来自技高网...

【技术保护点】

1.一种提升神经网络在模拟运算器件上的计算精度的方法，其特征在于，所述方法包括：

2.根据权利要求1所述的提升神经网络在模拟运算器件上的计算精度的方法，其特征在于，所述在所述原始神经网络的预设位置处插入降噪层，包括：

3.根据权利要求1所述的提升神经网络在模拟运算器件上的计算精度的方法，其特征在于，所述在所述原始神经网络的预设位置处插入降噪层，包括：

4.根据权利要求1所述的提升神经网络在模拟运算器件上的计算精度的方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的提升神经网络在模拟运算器件上的计算精度的方法，其特征在于，所述基于所...

【技术特征摘要】

1.一种提升神经网络在模拟运算器件上的计算精度的方法，其特征在于，所述方法包括：

2.根据权利要求1所述的提升神经网络在模拟运算器件上的计算精度的方法，其特征在于，所述在所述原始神经网络的预设位置处插入降噪层，包括：

3.根据权利要求1所述的提升神经网络在模拟运算器件上的计算精度的方法，其特征在于，所述在所述原始神经网络的预设位置处插入降噪层，包括：

4.根据权利要求1所述的提升神经网络在模拟运算器件上的计算精度的方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的提升神经网络在模拟运算器件上的计算精度的方法，其特征在于，所述基于所述目标特征图和所述实际特征图对所述目标神经网络进行训练，包括：

6.根据权利...

【专利技术属性】
技术研发人员：吴华强，王泽，杨天昊，高滨，钱鹤，唐建石，
申请(专利权)人：上海清华国际创新中心，
类型：发明
国别省市：