【技术实现步骤摘要】
本申请涉及芯片,尤其涉及一种卷积电路、卷积计算方法、芯片及电子设备。
技术介绍
1、随着人工智能(artificial intelligence,ai)技术的发展,越来越多的人工智能产品走进人们的日常生活。在ai技术的实现过程,其核心主要包括两方面:1、先进的神经网络算法;2、提供海量硬件算力的处理器。其中,神经网络算法的计算主要为卷积计算类型。传统上有两种硬件方案实现卷积计算:(1)将卷积计算等价转换为矩阵运算,并通过设计通用神经网络处理器(neural-networkprocessing unit,npu),集成大量乘法器矩阵,实现矩阵乘法计算。(2)设计专用卷积器,直接实现卷积计算。其中,第一种方案为目前的主流方案。不过该种方案需要对数据进行大量的重复读写操作,增加了功耗。第二种方案中的卷积器由多个乘法器和加法器构成,多个乘法器独立对输入的特征图进行乘法运算后,再通过加法器进行累加,得到输出的特征图。但是各个乘法器结构较为复杂,增加了卷积器的功耗和布线面积。
技术实现思路
1、本申请
...【技术保护点】
1.一种卷积电路,其特征在于,包括;多个乘法器;与所述多个乘法器耦合的第一加法器;以及与所述第一加法器耦合的第二加法器;
2.根据权利要求1所述的卷积电路,其特征在于,所述多个预编码器包括第一预编码器;所述多个编码器组包括第一编码器组;
3.根据权利要求2所述的卷积电路,其特征在于,
4.根据权利要求2或3所述的卷积电路,其特征在于,所述第一逻辑电路包括同或门和或非门;
5.根据权利要求1-3任一项所述的卷积电路,其特征在于,还包括寄存器电路;所述多个预编码器、所述多个编码器组还与所述寄存器电路耦合。
6.根
...【技术特征摘要】
1.一种卷积电路,其特征在于,包括;多个乘法器;与所述多个乘法器耦合的第一加法器;以及与所述第一加法器耦合的第二加法器;
2.根据权利要求1所述的卷积电路,其特征在于,所述多个预编码器包括第一预编码器;所述多个编码器组包括第一编码器组;
3.根据权利要求2所述的卷积电路,其特征在于,
4.根据权利要求2或3所述的卷积电路,其特征在于,所述第一逻辑电路包括同或门和或非门;
5.根据权利要求1-3任一项所述的卷积电路,其特征在于,还包括寄存器电路;所述多个预编码器、所述多个编码器组还与所述寄存器电路耦合。
6.根据权利要求1-5任一项所述的卷积电路,其特征在于,所述存储器用于存储计算常量;所述计算常量根据权重参数确定。
7.根据权利要求6所述的卷积电路,其特征在于,所述计算常量为输入特征图的权重参数的奇数比特位和常数1在其对应的数位上进行累加的结果。
8.一种卷积计算方法,应用于卷积电路;所述卷积电路包括多个乘法器;与所述多个乘法器耦合的第一加法器;以及与所述第一加法器耦合的第二加法器;所述乘法器包括多个预编码器、多个编码器组以及加法树电路;所述多个预...
【专利技术属性】
技术研发人员:范团宝,蒋越星,王洋,时小山,刘宇,胡波,
申请(专利权)人:华为技术有限公司,
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。