-
公开(公告)号:CN115248784A
公开(公告)日:2022-10-28
申请号:CN202210082121.X
申请日:2022-01-24
Applicant: 三星电子株式会社 , 延世大学校产学协力团
IPC: G06F12/02 , G06F12/1009 , G06F3/06
Abstract: 提供了一种控制器、包括控制器的计算系统以及在计算系统中创建和搜索页表条目的方法。所述控制器创建包括多个页表条目的页表,所述页表条目包括用于将虚拟地址翻译为物理地址的映射信息。所述多个页表条目中的每一个包括:虚拟页面编号、物理帧编号、有效信息和大小信息。所述虚拟页面编号被包括在虚拟地址中,所述物理帧编号被包括在物理地址中,所述有效信息包括第一预定数目的位,并且所述大小信息包括第二预定数目的位。所述第一预定数目的位表示页表条目中的地址翻译范围或要成组的页表条目的数目,并且所述大小信息表示由所述第一预定数目的位中的每个位指示的大小。
-
公开(公告)号:CN118520914A
公开(公告)日:2024-08-20
申请号:CN202410156012.7
申请日:2024-02-04
Applicant: 延世大学校产学协力团
IPC: G06N3/063 , G06N3/0464 , G06F18/22
Abstract: 本发明涉及神经网络加速器及其控制方法。本公开包括存储至少一个指令的存储器,以及被配置为执行存储在存储器中的至少一个指令的至少一个处理器,其中,至少一个处理器执行至少一个指令以:标识构成展开的输入张量的多个数据块的第一阵列,展开的输入张量是通过使用通用矩阵乘法(GEMM)运算展开输入张量以执行卷积运算获得的;标识块距离,块距离指示第一阵列中的多个数据块中具有最高数据相似度的一对数据块之间的距离;通过基于块距离对多个数据块进行分组来形成多个数据块集;以及将多个数据块集分配给并行处理通用矩阵乘法运算的多个组件。
-
公开(公告)号:CN116894467A
公开(公告)日:2023-10-17
申请号:CN202310324196.9
申请日:2023-03-29
Applicant: 延世大学校产学协力团
IPC: G06N3/063 , G06F9/50 , G06F12/0802
Abstract: 提供了一种用于优化数据处理的深度神经网络(DNN)加速器的控制方法。该控制方法包括:基于分配给第一级存储器的神经网络数据的数据流和硬件映射值,计算表示所述神经网络数据中的多个数据瓦片的开始分量的多个偏移;基于从第二级存储器接收到对所述神经网络数据的更新请求,标识所述多个数据瓦片中的、与所接收到的更新请求相对应的更新数据瓦片的数据类型;基于所述更新数据瓦片的数据类型、和所计算的多个偏移中的所述更新数据瓦片的偏移,来标识所述更新资料瓦片的一个或多个分量;和在所述第一级存储器和所述第二级存储器之间更新所标识的一个或多个分量的神经网络数据。
-
公开(公告)号:CN115705490A
公开(公告)日:2023-02-17
申请号:CN202210951366.1
申请日:2022-08-09
Applicant: 延世大学校产学协力团
IPC: G06N3/063 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 提供了一种神经网络计算设备。该神经网络计算设备包括存储器和处理器,该存储器包括多个存储器层次,该处理器被配置为:执行针对神经网络计算数据的第一移动的第一调度,其中神经网络计算数据在第一存储器层次和第二存储器层次之间发送和接收并且第二存储器层次具有比第一存储器层次的级别更高的级别,在第一调度被执行之后,执行针对神经网络计算数据的第二移动的第二调度,其中神经网络计算数据在第二存储器层次和第三存储器层次之间发送和接收并且第三存储器层次具有比第二存储器层次的级别更高的级别,以及基于第一调度的结果和第二调度的结果来识别用于执行卷积操作的神经网络计算调度。
-
-
-