-
-
-
公开(公告)号：CN109359730A
公开(公告)日：2019-02-19
申请号：CN201811122004.1
申请日：2018-09-26
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种面向固定输出范式Winograd卷积的运算单元和基于该运算单元的神经网络处理器。该运算单元包括取反单元、累加单元和第一选通器，取反单元的输出端连接至累加单元的输入端，第一选通器用于控制将待计算的输入数据传递至取反单元的输入端或传递至累加单元的输入端，累加单元分时接收待计算的输入数据、取反单元的输出值或累加单元的输出值以利用加减运算实现Winograd卷积中的矩阵转换操作。利用本发明运算单元用于神经网络的卷积运算，能够提高计算效率并降低运行功耗。
-
公开(公告)号：CN109325590A
公开(公告)日：2019-02-12
申请号：CN201811071801.1
申请日：2018-09-14
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063
Abstract: 本发明提供一种用于神经网络处理器的数据压缩装置、配套的数据解压装置，以及一种精度可变的神经网络处理器。所述数据压缩装置包括：一个舍入单元、一个第一比较器、一个第二比较器、和一个第一多路选择器，用于将m位的待压缩数据转换为n位的压缩结果O，n
-
-
Patent Agency Ranking
公开(公告)号：CN109190755A
公开(公告)日：2019-01-11
申请号：CN201811040908.X
申请日：2018-09-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种面向神经网络的矩阵转换装置，包括：数据接收接口，用于接收并传递神经网络的待转换矩阵数据；转换矩阵接收接口，用于接收并传递对应于所述待转换矩阵数据的转换矩阵；矩阵运算单元，与所述数据接收接口和所述转换矩阵接收接口分别连接，利用所述待转换矩阵数据和所述对应的转换矩阵执行矩阵转换运算；输出接口，与所述矩阵运算单元相连，用于拼接并输出所述矩阵运算单元获得的运算结果；暂存单元，与所述数据接收接口和所述输出接口相连，用于暂存所述输出接口输出的运算结果，并将所述运算结果输入至所述数据接收接口。
-
公开(公告)号：CN108985449A
公开(公告)日：2018-12-11
申请号：CN201810685546.3
申请日：2018-06-28
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063
Abstract: 本发明提供一种控制方法，包括：1)确定需要执行的卷积运算的尺寸n*n；2)根据需要执行的卷积运算的尺寸n*n，选择在m2个5*5的卷积计算单元中载入与所述尺寸对应的卷积核的数值，并将其余的各个数值填充为0，5m≥n；3)根据需要执行的卷积运算的尺寸、需要执行卷积的输入特征图的尺寸，确定卷积计算过程所需的周期数；4)在卷积计算过程中的各个周期，将相应的输入特征图的数值载入到所述m2个5*5的卷积计算单元中，所述输入特征图的数值在所述m2个5*5的卷积计算单元中的分布与所述卷积核的数值在所述m2个5*5的卷积计算单元中的分布保持一致；控制载入了卷积核以及输入特征图的数值的所述m2个5*5的卷积计算单元分别执行与所述周期数对应的卷积计算。
-
公开(公告)号：CN108446761A
公开(公告)日：2018-08-24
申请号：CN201810244097.9
申请日：2018-03-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种神经网络加速器，包括存储单元，用于存储LSTM网络的神经元数据和权值数据并输出；向量乘累加矩阵单元，用于从所述存储单元接收数据并针对所述接收的数据执行向量乘累加运算并输出运算结果；加法单元，用于从所述向量乘累加矩阵单元接收数据，并针对所述接收的数据执行偏移量加法操作；激活单元，用于从所述多功能运算单元和/或所述存储单元接收数据，并针对所述接收的数据执行激活操作并输出激活结果；向量平行乘累加单元，用于从所述激活单元和/或所述存储单元接收数据，并针对所述接收的数据执行乘法和累加操作。各模块通过端对端链接组成以权值行向量为单位与输入向量执行数据处理的流水线工作机制。
-
公开(公告)号：CN107086910B
公开(公告)日：2018-08-10
申请号：CN201710182153.6
申请日：2017-03-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种针对神经网络处理的权重加解密方法和系统，其方法包括：通过加密算法将已训练好的原始权重数据加密，生成加密权重数据；读取该原始密钥并根据解密算法对该加密权重数据进行解密，生成原始权重数据；读取需要执行的指令，对该指令进行解析得到存储地址，并从该存储地址获取输入数据；接收该输入数据和该原始权重数据，根据该指令执行神经网络运算操作，并输出运算结果。本发明通过片外加密系统对权重数据进行加密处理，并采用片上解密单元对加密权重进行解密操作，在实现神经网络运算的同时实现了对权重数据的保护。
-
公开(公告)号：CN108171328A
公开(公告)日：2018-06-15
申请号：CN201810175352.9
申请日：2018-03-02
Applicant: 中国科学院计算技术研究所
IPC: G06N3/063
CPC classification number: G06N3/063
Abstract: 本发明提供了一种卷积运算方法和基于该方法的神经网络处理器。该卷积运算方法包括：获取卷积域内待执行卷积运算的权重向量和神经元向量，其中所述权重向量和所述神经元向量具有相同的维度；从所述权重向量查找有效权重并从所述神经元向量查找有效神经元，匹配获得有效元素子组，其中，每一个有效元素子组包括一个有效权重以及与该有效权重对应的一个有效神经元，所述有效权重是非零权重，所述有效神经元是非零神经元；针对所述有效元素子组执行卷积运算。利用本发明的方法和神经网络处理器能够降低卷积计算量，从而提高计算效率。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.035 seconds)
