[發(fā)明專利]一種神經網絡芯片有效
| 申請?zhí)枺?/td> | 201710890838.6 | 申請日： | 2017-09-27 |
| 公開（公告）號： | CN108205704B | 公開（公告）日： | 2021-10-29 |
| 發(fā)明（設計）人： | 李清正;毛寧元;劉文志 | 申請（專利權）人： | 深圳市商湯科技有限公司 |
| 主分類號： | G06N3/063 | 分類號： | G06N3/063 |
| 代理公司： | 深圳中一專利商標事務所 44237 | 代理人： | 姚澤鑫 |
| 地址： | 518000 廣東省深圳市*** | 國省代碼： | 廣東;44 |
| 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 神經網絡 芯片 | ||
1.一種神經網絡芯片，其特征在于，包括：
深度學習運算模塊，數(shù)據采集模塊，數(shù)據輸出模塊，數(shù)據存儲模塊，處理器；
所述深度學習運算模塊用于對輸入數(shù)據深度學習運算，所述深度學習運算包括并行的乘法運算以及加法樹的累積運行；
所述數(shù)據采集模塊用于對輸入數(shù)據進行數(shù)據采集；所述數(shù)據輸出模塊用于輸出所述神經網絡芯片運算的運算結果；
所述處理器用于調度所述深度學習運算模塊，所述數(shù)據采集模塊和數(shù)據輸出模塊間的數(shù)據交互，并處理非深度學習的運算；
所述數(shù)據存儲模塊分別與所述深度學習運算模塊，所述數(shù)據采集模塊和數(shù)據輸出模塊相連接；
所述深度學習運算模塊包括：卷積運算單元、池化運算單元、全連接運算單元和計算調度單元；所述卷積運算單元用于對輸入數(shù)據進行卷積層的運算；所述池化運算單元用于對輸入數(shù)據進行池化層的運算；所述全連接運算單元用于對輸入數(shù)據進行全連接層的運算；
所述計算調度單元分別與所述卷積運算單元、所述池化運算單元和所述全連接運算單元相連接；
所述計算調度單元用于根據輸入數(shù)據的運算需求調度所述卷積運算單元、所述池化運算單元和所述全連接運算單元進行運算；所述卷積運算單元、所述池化運算單元和所述全連接運算單元的調度順序由所述計算調度單元根據神經網絡結構確定。
2.根據權利要求1所述的神經網絡芯片，其特征在于，所述數(shù)據存儲模塊包括：片外存儲器，存儲器控制器；
所述存儲器控制器分別與所述深度學習運算模塊，所述數(shù)據采集模塊和數(shù)據輸出模塊相連接；
所述存儲器控制器與片外存儲器相連接，所述存儲器控制器用于控制所述片外存儲器的數(shù)據讀寫。
3.根據權利要求2所述的神經網絡芯片，其特征在于，所述深度學習運算模塊還包括：總線仲裁器；
所述總線仲裁器分別與所述卷積運算單元，所述池化運算單元和所述全連接運算單元相連接；
所述總線仲裁器與所述存儲器控制器相連接，用于數(shù)據總線到所述存儲器控制器的總線仲裁。
4.根據權利要求1所述的神經網絡芯片，其特征在于，所述深度學習運算模塊還包括：配置單元；
所述配置單元分別與所述計算調度單元以及所述處理器相連接；
所述配置單元用于存取所述深度學習運算模塊的配置信息。
5.根據權利要求1所述的神經網絡芯片，其特征在于，所示神經網絡芯片還包括：外設控制器；
所述外設控制器與所述處理器相連接，用于對外部接入的設備進行控制。
6.根據權利要求1所述的神經網絡芯片，其特征在于，所示神經網絡芯片還包括：鎖相環(huán)和片外晶振；
所述鎖相環(huán)分別與所述片外晶振和所述處理器相連接；
所述鎖相環(huán)用于為所述神經網絡芯片中的各個模塊提供時鐘信號。
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深圳市商湯科技有限公司，未經深圳市商湯科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710890838.6/1.html，轉載請聲明來源鉆瓜專利網。
