【技术实现步骤摘要】
专利技术构思涉及人工神经网络，并且更具体地，涉及用于人工神经网络的处理电路、操作处理电路的方法以及包括处理电路的系统。
技术介绍
1、人工神经网络可表示计算装置或由该计算装置执行以实现人工神经元（或神经元模型）的互连集合的方法。人工神经元可通过对输入数据执行简单的运算来生成输出数据，其中，输出数据可被传递给另外的人工神经元。作为人工神经网络的示例的深度神经网络或深度学习可具有多层结构。
2、由于深度学习推断计算需要大量的计算，因此在有限的环境（诸如，移动环境和/或需要高速处理的环境）中，人工神经网络的有用性可能被限制。因此，可能需要用于高效地对模型的每个层的输入进行压缩的方法。
技术实现思路
1、专利技术构思提供能够高效地对人工神经网络中的每个层的输入进行压缩的处理装置、操作处理装置的方法以及包括处理装置的系统。
2、根据专利技术构思的一个方面，提供了一种处理电路，所述处理电路包括：计算电路，被配置为生成人工神经网络（ann）中的第一层的输出数据，生成第一层的输出数...
【技术保护点】
1.一种处理电路，包括：
2.根据权利要求1所述的处理电路，其中，压缩电路被配置为：对第一层的输出数据进行压缩，使得第二压缩输入数据的条数与第二层的步幅相同。
3.根据权利要求2所述的处理电路，其中，第一层的输出数据以包括多个元素的矩阵形式形成，并且
4.根据权利要求1所述的处理电路，其中，第一层的输入数据包括与第一层的步幅相同的条数的第一压缩输入数据，并且
5.根据权利要求4所述的处理电路，其中，第一压缩权重数据在训练人工神经网络的操作中被生成。
6.根据权利要求4所述的处理电路，还包括：
7....
【技术特征摘要】
1.一种处理电路，包括：
2.根据权利要求1所述的处理电路，其中，压缩电路被配置为：对第一层的输出数据进行压缩，使得第二压缩输入数据的条数与第二层的步幅相同。
3.根据权利要求2所述的处理电路，其中，第一层的输出数据以包括多个元素的矩阵形式形成，并且
4.根据权利要求1所述的处理电路，其中，第一层的输入数据包括与第一层的步幅相同的条数的第一压缩输入数据，并且
5.根据权利要求4所述的处理电路，其中，第一压缩权重数据在训练人工神经网络的操作中被生成。
6.根据权利要求4所述的处理电路，还包括：
7.根据权利要求6所述的处理电路，其中，所述多个处理元件各自包括：
8.根据权利要求7所述的处理电路，其中，
9.根据权利要求8所述的处理电路，还包括：
10.根据权利要求1所述的处理电路，其中，第二压缩输入数据在对人工神经网络进行推断的操作...
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。