抵消模拟加速器的漂移系数中的变化的漂移正则化

    公开(公告)号:CN115699031A

    公开(公告)日:2023-02-03

    申请号:CN202180039058.5

    申请日:2021-06-04

    Abstract: 提供了漂移正则化以抵消模拟神经网络中的漂移系数的变化。示出了训练人工神经网络的方法。随机初始化多个权重。该多个权重中的每一个对应于人工神经网络的突触。至少一个输入阵列被输入到人工神经网络。由人工神经网络基于至少一个输入阵列和多个权重来确定至少一个输出阵列。将至少一个输出阵列与真值数据进行比较以确定第一损失。通过将漂移正则化添加到第一损失来确定第二损失。漂移正则化与至少一个输出阵列的方差正相关。通过反向传播基于第二损失来更新多个权重。

    模拟人工智能网络推理的逐行卷积神经网络映射的高效瓦片映射

    公开(公告)号:CN115699028A

    公开(公告)日:2023-02-03

    申请号:CN202180036838.4

    申请日:2021-05-13

    Abstract: 实现卷积神经网络(CNN)包括配置交叉点阵列以实现CNN中的卷积层。该层的卷积核被存储在阵列的交叉点器件中。通过将一组操作迭代预定次数来执行CNN的计算。该操作包括将对应于输入数据的向量的子部分的电压脉冲发送给交叉点阵列。电压脉冲生成表示基于被存储在交叉点器件处的权重值在交叉点器件处执行乘法运算的电流。一组积分器基于来自相应交叉点器件的输出电流累加电荷。交叉点阵列在迭代预定次数之后输出累加的电荷。累加的电荷表示输入数据的向量与一个或多个卷积核的乘加结果。

    用于存储器内计算加速器架构的二维网格

    公开(公告)号:CN118974745A

    公开(公告)日:2024-11-15

    申请号:CN202380030169.9

    申请日:2023-03-13

    Abstract: 本文公开的实施例包括用于深度神经网络(DNN)的存储器内计算(CIM)加速器架构。CIM加速器架构可以包括具有多个存储器内计算(CIM)模拟瓦片的第一模拟结构引擎。每个CIM模拟瓦片可以被配置为存储根据输入向量产生输出向量的权重操作数矩阵,并且执行存储器内计算。第一模拟结构还可以包括多个计算核心。每个CIM模拟瓦片和每个计算核心可以包括被配置为执行指令集的微控制器。第一模拟结构还可以包括将多个CIM模拟瓦片中的所有CIM模拟瓦片通信地连接到计算核心的片上互连。

    2D网格路由内的隐式向量串接
    8.
    发明公开

    公开(公告)号:CN118056209A

    公开(公告)日:2024-05-17

    申请号:CN202280065238.5

    申请日:2022-09-26

    Abstract: 提供了神经核阵列。每个神经核包括有序输入线、有序输出线以及突触,突触中的每个突触可操作地耦合到输入线中的一个输入线和输出线中的一个输出线。提供了多个信号线。信号线中的至少一个信号线沿着神经核阵列的每个维度布置。提供了多个路由器,多个路由器中的每个路由器可操作地耦合到神经核中的一个神经核以及沿着神经核阵列的每个维度的信号线中的至少一个信号线。每个路由器选择性地将信号从至少一个信号线路由到其耦合的神经核。每个路由器选择性地将信号从其耦合的神经核路由到至少一个信号线。路由器将经有序输入线和有序输出线分割成多个分段,并且独立路由每个分段的信号。

Patent Agency Ranking