【技术实现步骤摘要】
本专利技术涉及神经网络的硬件加速，具体涉及一种基于串行乘法器的列暂存数据流阵列设计方法。
技术介绍
1、随着物联网技术的飞速发展，可穿戴智能产品将人体各个部位作为互联网的接口，真正实现具有微型化、便携化、智能化可穿戴产品特点的人机一体化产品体验，为消费者提供便携式实时信息采集和数据服务，具有更大的技术含量和市场吸引力。
2、不幸的是，设计高性能的可穿戴计算设备并非易事，其实现面临许多挑战。该领域是计算机科学和工程等不同研究领域的交叉点，使用了微电子和无线通信等各种技术。微电子技术的进步导致了适用于可穿戴计算设备的小尺寸低功耗人工智能芯片。
3、在人工智能芯片领域中，隶属于机器学习范畴的深度学习，被广泛运用于图像分类、语音识别、对象检测等方面，并取得了显著的成果。卷积神经网络、递归神经网络和深度置信网络是深度学习研究的主要聚焦点，其中最先进的当属卷积神经网络。
4、典型的卷积神经网络结构包括有：卷积层，激活层，池化层，全连接层和输入输出特征图等。其中卷积层的作用是特征提取，池化层的作用是像素压缩，全连接...
【技术保护点】
1.一种基于串行乘法器的列暂存数据流阵列，其特征在于，数据和权重以列为单位进入MAC阵列，其中计算模块以串行乘法器和串行加法器为核心；
2.根据权利要求1所述的列暂存数据流阵列，其特征在于，数据输入间隔周期以卷积核的列数据为单位的时钟周期，而不是像脉动阵列每一拍就流动一次。
3.根据权利要求1所述的列暂存数据流阵列，其特征在于，MAC单元由至少一个数据寄存器、一个乘法器组成。
4.根据权利要求1所述的列暂存数据流阵列，其特征在于，每列的MAC单元外会由数个串行加法器和一个数据寄存器组成。
5.根据权利要求1所述的列暂存数...
【技术特征摘要】
1.一种基于串行乘法器的列暂存数据流阵列，其特征在于，数据和权重以列为单位进入mac阵列，其中计算模块以串行乘法器和串行加法器为核心；
2.根据权利要求1所述的列暂存数据流阵列，其特征在于，数据输入间隔周期以卷积核的列数据为单位的时钟周期，而不是像脉动阵列每一拍就流动一次。
3.根据权利要求1所述的列暂...
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。