运算装置及运算方法
    1.
    发明授权

    公开(公告)号:CN113785312B

    公开(公告)日:2024-06-07

    申请号:CN202080031698.7

    申请日:2020-04-08

    Abstract: 运算装置在构成神经网络的多个卷积层各方中利用卷积运算器来执行滤波器与所述滤波器的尺寸程度的对象数据的卷积运算,具有:比特削减部,其按每一所述卷积层从所述对象数据的最低有效位起削减第1比特数程度的位串,从所述滤波器的要素即权重的最低有效位起削减第2比特数程度的位串;以及比特追加部,其对通过将所述比特削减部削减后的所述对象数据及所述权重输入至所述卷积运算器而从所述卷积运算器输出的卷积运算结果的最低有效位追加所述第1比特数及所述第2比特数合计得到的第3比特数程度的位串。

    运算装置
    2.
    发明公开

    公开(公告)号:CN113366509A

    公开(公告)日:2021-09-07

    申请号:CN201980088624.4

    申请日:2019-10-11

    Inventor: 村田大智

    Abstract: 本发明提供了一种具有使用输入数据和权重系数来进行运算的神经网络的运算装置,该运算装置具有:网络解析部,其基于输入数据计算神经网络的神经元的点火状态;以及缩减部,其基于所述神经元的点火状态,从设置了神经网络的缩减率的多个缩减模式中限定缩减模式的候选,基于所限定的候选缩减模式的候选实行神经网络的缩减,生成缩减后的神经网络。

    神经网络压缩装置及其方法

    公开(公告)号:CN114766032A

    公开(公告)日:2022-07-19

    申请号:CN202080083675.0

    申请日:2020-10-30

    Inventor: 村田大智

    Abstract: 在假定应用到面向自动驾驶的大规模Deep Neural Network的压缩时,由于有害或不需要的学习用图像(无效学习用图像)多而引起的压缩后Neural Network(NN)模型的识别精度降低以及压缩设计期间的长期化成为课题。通过学习用图像挑选部(B100)计算出对推论的影响值,使用该影响值,对NN压缩设计中需要的学习用图像和不需要的学习用图像进行索引附加,生成带索引学习用图像集(1004‑1),在经由存储器(B300)通知该结果的神经网络压缩部(B200)中执行NN的压缩。

    神经网络压缩装置及其方法

    公开(公告)号:CN114766032B

    公开(公告)日:2025-01-24

    申请号:CN202080083675.0

    申请日:2020-10-30

    Inventor: 村田大智

    Abstract: 在假定应用到面向自动驾驶的大规模Deep Neural Network的压缩时,由于有害或不需要的学习用图像(无效学习用图像)多而引起的压缩后Neural Network(NN)模型的识别精度降低以及压缩设计期间的长期化成为课题。通过学习用图像挑选部(B100)计算出对推论的影响值,使用该影响值,对NN压缩设计中需要的学习用图像和不需要的学习用图像进行索引附加,生成带索引学习用图像集(1004‑1),在经由存储器(B300)通知该结果的神经网络压缩部(B200)中执行NN的压缩。

    运算装置
    5.
    发明授权

    公开(公告)号:CN113366509B

    公开(公告)日:2024-08-02

    申请号:CN201980088624.4

    申请日:2019-10-11

    Inventor: 村田大智

    Abstract: 本发明提供了一种具有使用输入数据和权重系数来进行运算的神经网络的运算装置,该运算装置具有:网络解析部,其基于输入数据计算神经网络的神经元的点火状态;以及缩减部,其基于所述神经元的点火状态,从设置了神经网络的缩减率的多个缩减模式中限定缩减模式的候选,基于所限定的候选缩减模式的候选实行神经网络的缩减,生成缩减后的神经网络。

    运算装置及运算方法
    6.
    发明公开

    公开(公告)号:CN113785312A

    公开(公告)日:2021-12-10

    申请号:CN202080031698.7

    申请日:2020-04-08

    Abstract: 运算装置在构成神经网络的多个卷积层各方中利用卷积运算器来执行滤波器与所述滤波器的尺寸程度的对象数据的卷积运算,具有:比特削减部,其按每一所述卷积层从所述对象数据的最低有效位起削减第1比特数程度的位串,从所述滤波器的要素即权重的最低有效位起削减第2比特数程度的位串;以及比特追加部,其对通过将所述比特削减部削减后的所述对象数据及所述权重输入至所述卷积运算器而从所述卷积运算器输出的卷积运算结果的最低有效位追加所述第1比特数及所述第2比特数合计得到的第3比特数程度的位串。

Patent Agency Ranking