-
公开(公告)号：CN116521611B
公开(公告)日：2024-12-13
申请号：CN202310441634.X
申请日：2023-04-23
Applicant: 哈尔滨理工大学
Abstract: 一种深度学习处理器的泛化架构设计方法，本发明涉及深度学习处理器的泛化架构设计方法。本发明的目的是为了解决现有深度学习处理器在智能IoT场景中不能兼容深度学习以外的其他计算密集的任务，导致芯片面积的增加、成本的增加、利用率的偏差、计算能效低的问题。过程为：架构包含任务解析的通用处理器与加速计算的深度学习加速器。当进行深度学习卷积计算任务时，通用处理器解析数据在片外的组织形式，将数据加载至片上缓存Buffer，由序列控制器按卷积顺序将数据加载至MAC阵列进行计算。当进行密集计算任务时，增加重排模块，基于最优的算子计算形式将Buffer数据重排至片上缓存Buffer2中，并将Buffer2数据传输至MAC阵列中进行计算。本发明用于深度学习处理器领域。
-
公开(公告)号：CN116521611A
公开(公告)日：2023-08-01
申请号：CN202310441634.X
申请日：2023-04-23
Applicant: 哈尔滨理工大学
Abstract: 一种深度学习处理器的泛化架构设计方法，本发明涉及深度学习处理器的泛化架构设计方法。本发明的目的是为了解决现有深度学习处理器在智能IoT场景中不能兼容深度学习以外的其他计算密集的任务，导致芯片面积的增加、成本的增加、利用率的偏差、计算能效低的问题。过程为：架构包含任务解析的通用处理器与加速计算的深度学习加速器。当进行深度学习卷积计算任务时，通用处理器解析数据在片外的组织形式，将数据加载至片上缓存Buffer，由序列控制器按卷积顺序将数据加载至MAC阵列进行计算。当进行密集计算任务时，增加重排模块，基于最优的算子计算形式将Buffer数据重排至片上缓存Buffer2中，并将Buffer2数据传输至MAC阵列中进行计算。本发明用于深度学习处理器领域。
-
公开(公告)号：CN204179767U
公开(公告)日：2015-02-25
申请号：CN201420255460.4
申请日：2014-05-19
Applicant: 哈尔滨理工大学
IPC: H02K1/16
Abstract: 基于预压压力和稳压时间最佳匹配的潜油电机定子。传统的潜油电机定子满槽率低约为60%-65%之间，直接影响了电机的性能提高。一种基于预压压力和稳压时间最佳匹配的潜油电机定子，其组成包括：潜油电机定子，所述的潜油电机定子具有潜油电机定子线槽（1），所述的潜油电机定子线槽内缠绕有电磁线（2），所述的电磁线在所述的潜油电机定子线槽内的槽满率为70%-72%，所述的潜油电机定子线槽绝缘宽度为50mm，潜油电机槽楔为单层，所述的潜油电机槽楔周长为16mm。
-
-
Search Results
3
records
(took 0.021 seconds)
