[發明專利]一種面向人工神經網絡計算的動態精度可配近似乘法器有效
| 申請號: | 201710266363.3 | 申請日: | 2017-04-21 |
| 公開(公告)號: | CN107153522B | 公開(公告)日: | 2020-10-02 |
| 發明(設計)人: | 龔宇;劉波;陳壯;董薇;楊軍;時龍興 | 申請(專利權)人: | 東南大學 |
| 主分類號: | G06F7/53 | 分類號: | G06F7/53;G06F7/523 |
| 代理公司: | 南京蘇高專利商標事務所(普通合伙) 32204 | 代理人: | 李玉平 |
| 地址: | 211189 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 面向 人工 神經網絡 計算 動態 精度 近似 乘法器 | ||
1.一種面向人工神經網絡的動態精度可配近似乘法器,其特征在于:所述動態精度可配近似乘法器包括乘法近似計算模塊和精度動態配置模塊;
其中,所述乘法近似計算模塊用于完成乘法的近似計算過程,乘法器操作數A和B的位寬均為n,輸出結果R是A與B乘積的近似結果,位寬是2n;
所述動態精度可配近似乘法器中的精度動態配置模塊用于根據多種輸入信號生成乘法器動態調節信號[k,l,m],然后實現動態調節乘法近似計算模塊的速度和精度,輸入是操作數A、B以及外部控制信號,其中A、B需要進行預處理,輸出是控制信號[k,l,m];其中k表示操作數A、B需要截取的位寬,l表示截取后的乘數A、B起始位索引,m表示從截取后的乘數A、B的第l位起到第l+m位被選中。
2.如權利要求1所述的面向人工神經網絡的動態精度可配近似乘法器,其特征在于:所述的乘法近似計算模塊包括算術邏輯和轉向控制邏輯;
其中,所述算術邏輯是核心計算模塊;在調節信號的控制下,算術邏輯進行可配的計算;輸入是對操作數A、B截取的k位部分以及控制信號[k,l,m];輸出是2k位近似計算結果;算術邏輯主要包含一個k位精確乘法器和一個控制信號譯碼器;
所述轉向控制邏輯主要對輸入操作數的預處理和中間結果的后處理;主要包括非零最高位探測器、編碼器、多路復用選擇器、移位控制信號生成器、桶形移位器。
3.如權利要求2所述的面向人工神經網絡的動態精度可配近似乘法器,其特征在于:所述非零最高位探測器用來探測兩個操作數的非零最高位的位置,也就是探測最高位為“1”時的位置,并輸出該位的索引;
所述編碼器根據非零最高位的索引和參數k進行編碼,通過一套邏輯判斷,生成多路復用選擇器的控制信號;
所述多路復用選擇器接收編碼器提供的控制信號,從位寬為n的原始操作數A,B中選中k位送入到算術邏輯中;
所述移位控制信號生成器用來生成桶形移位器的控制信號,根據兩個原始的n位操作數截斷丟棄部分的位數之和生成移位控制信號,用來通知桶形移位器對算術邏輯產生的中間結果后處理所需要的信息;
所述桶形移位器接收移位控制信號生成器生成的移位控制信號,對算術邏輯生成的中間結果進行后處理;后處理主要是桶形移位器對算術邏輯的中間結果進行移位操作,并生成最終的近似結果;桶形移位器根據移位控制信號生成器的控制信號決定對算術邏輯生成的中間結果進行移位的位數;如果非零最高位索引的值小于參數K,則轉向控制邏輯直接將數據送入算術邏輯,不再經過編碼器和多路復用選擇器。
4.如權利要求2所述的面向人工神經網絡的動態精度可配近似乘法器,其特征在于:算術邏輯是由k位精確乘法器和控制信號譯碼器組成;
其中,所述控制信號譯碼器主要根據乘法器動態配置模塊提供的控制信號[k,l,m]進行譯碼;控制信號譯碼器根據控制信號決定部分積累加陣列中的哪些加法器被選中正常工作,哪些加法器未被選中停止工作;
所述k位精確乘法器的部分積累加陣列是可以配置的;在不做任何配置時,乘法器可以精確進行k位的乘法運算;在配置模塊進行配置后,乘法器可以在可接受的錯誤范圍內進行近似計算;部分積累加陣列根據配置信息決定哪些加法器不工作,從而丟棄某些部分積實現快速的近似計算;配置信息來自控制信號譯碼器提供的譯碼后的信號。
5.一種面向人工神經網絡的動態精度可配近似乘法器的實現方法,其特征在于,對輸入數據進行預處理;在外部的控制信號的控制下,根據數據的輸入特性實現乘法運算的動態配置并給出精確結果的近似結果,包括以下步驟:
(1)探測乘法器輸入數據的非零最高位的索引,動態地定位兩個操作數中的每一個中的最高有效'1'的位置;
(2)對于每個操作數,然后使用最高有效位'1'來基于所需的精度選擇以下k-2個連續數量的位;k是設計者定義的值,其指定在核心精確乘法器中使用的帶寬;
(3)如果在索引t處探測到前導,其中0≤t≤n-1,則后面的t-k+2個較低比特的值保持不變,位于t-k+1處的值無論之前是否為1,都用1近似代替后面的數字,對于索引t-k到索引0之間的數據全部置0;
(4)把兩個操作數最后的t-k位進行截斷丟棄,得到預處理后所得數據,之后把該數據送入算術邏輯。
6.如權利要求5所述的面向人工神經網絡的動態精度可配近似乘法器的實現方法,其特征在于,根據預處理的過程進行動態調節:
(1)根據非零最高位探測器提供的非零最高位的索引判斷兩個數據的位寬和相對大小;
(2)根據兩個數據的位寬和數據相對大小決定丟棄哪些部分積;此外,該近似乘法器還可以根據乘法器外部控制信號進行近似度調節;
(3)根據譯碼器對編碼后的控制信號進行解碼,選擇需要保留的部分積并進行累加運算;
(4)把兩個乘數舍棄掉的位數相加之和作為桶形移位器所要移動的位數,然后進行移位得到近似的計算結果;
(5)該近似乘法器是運行時調節,每次進行乘法運算都是根據所需要的信號靈活控制乘法器運行速度和精度。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于東南大學,未經東南大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710266363.3/1.html,轉載請聲明來源鉆瓜專利網。





