公开(公告)号：CN115936064B

公开(公告)日：2024-09-20

申请号：CN202211141844.9

申请日：2022-09-20

Applicant: 电子科技大学

Inventor： 程筱舒 ,  王忆文 ,  娄鸿飞 ,  李平

IPC: G06N3/0464 ,  G06N3/063

Abstract: 本发明具体涉及一种基于权重循环数据流的神经网络加速阵列，充分复用了从内存中读取的权重值和输入特征图数据，大大减少了对外部存储器的访问，属于神经网络的硬件加速技术领域。在人工智能芯片领域中，卷积运算占据整个卷积神经网络模型的计算量的百分之九十以上，本发明为了减少空域计算结构中，对输入数据的重复调用和移动，最大化数据复用，提出了权重循环数据流。通过设计一种基于权重循环数据流的PE阵列，对卷积操作进行优化，有效地降低硬件加速结构的功耗和延迟，从而提升系统的总体性能。

公开(公告)号：CN115936064A

公开(公告)日：2023-04-07

申请号：CN202211141844.9

申请日：2022-09-20

Applicant: 电子科技大学

Inventor： 程筱舒 ,  王忆文 ,  娄鸿飞 ,  李平

IPC: G06N3/0464 ,  G06N3/063

Abstract: 本发明具体涉及一种基于权重循环数据流的神经网络加速阵列，充分复用了从内存中读取的权重值和输入特征图数据，大大减少了对外部存储器的访问，属于神经网络的硬件加速技术领域。在人工智能芯片领域中，卷积运算占据整个卷积神经网络模型的计算量的百分之九十以上，本发明为了减少空域计算结构中，对输入数据的重复调用和移动，最大化数据复用，提出了权重循环数据流。通过设计一种基于权重循环数据流的PE阵列，对卷积操作进行优化，有效地降低硬件加速结构的功耗和延迟，从而提升系统的总体性能。