[發明專利]一種包括比特轉換裝置的神經網絡處理器及其方法

在審

• 申請號: 201810170612.3
• 申請日: 2018-03-01
• 公開（公告）號: CN108345938A
• 公開（公告）日: 2018-07-31
• 發明（設計）人: 韓銀和;閔豐;許浩博;王穎
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06N3/063
• 分類號: G06N3/063
• 代理公司: 北京泛華偉業知識產權代理有限公司 11280
• 代理人: 王勇

本發明提供一種神經網絡處理器，以及采用所述神經網絡處理器對神經網絡的數據進行比特轉換的方法。所述神經網絡處理器中包括比特轉換裝置，該比特轉換裝置包括：輸入接口、控制單元、數據轉換單元、和輸出接口；其中，所述控制單元用于產生針對所述數據轉換單元的控制信號；所述輸入接口用于接收原始數據；所述數據轉換單元用于根據所述控制信號對所述原始數據進行比特轉換，以將所述原始數據轉換為采用更少的比特位數進行表達的比特轉換結果；所述輸出接口用于將所述比特轉換結果輸出所述比特轉換裝置。通過本發明可以減少表達數據所采用的比特位數，降低計算所需的硬件成本、和能耗，提高計算速度。

技術領域

本發明涉及人工智能領域，尤其涉及對神經網絡處理器的改進。

背景技術

人工智能的深度學習技術在近幾年得到了飛速的發展，在解決高級抽象認知問題上，例如圖像識別、語音識別、自然語言理解、天氣預測、基因表達、內容推薦和智能機器人等領域得到了廣泛應用并且被證實了具有出色的表現。這使得對于人工智能技術的開發和改進成為了學術界和工業界的研究熱點。

深度神經網絡是人工智能領域具有最高發展水平的感知模型之一，該類網絡通過建立模型來模擬人類大腦的神經連接結構，采用多個變換階段分層對數據特征進行描述，為圖像、視頻和音頻等大規模數據處理任務帶來了突破性進展。深度神經網絡的模型屬于一種運算模型，其包含大量的節點，這些節點之間采用網狀的互連結構，被稱作為深度神經網絡的神經元。在兩個節點之間的連接強度代表信號在該兩個節點間的加權值，即權重，以與生物學意義上的神經網絡中的記憶相對應。

針對神經網絡計算的專用處理器，即神經網絡處理器也得到了相應的發展。在實際的神經網絡計算處理過程中，需要對大量的數據反復地進行卷積、激活、池化等操作，這需要消耗極大量的計算時間，嚴重影響了用戶的使用體驗。這使得如何減少神經網絡的計算時間成為了針對神經網絡處理器的一種改進策略。

發明內容

因此，本發明的目的在于克服上述現有技術的缺陷，提供一種神經網絡處理器，該神經網絡處理器中包括比特轉換裝置，該比特轉換裝置包括：

輸入接口、控制單元、數據轉換單元、和輸出接口；

其中，

所述控制單元用于產生針對所述數據轉換單元的控制信號；

所述輸入接口用于接收原始數據；

所述數據轉換單元用于根據所述控制信號對所述原始數據進行比特轉換，以將所述原始數據轉換為采用更少的比特位數進行表達的比特轉換結果；

所述輸出接口用于將所述比特轉換結果輸出所述比特轉換裝置。

優選地，根據所述神經網絡處理器，其中所述控制單元用于根據設置的參數或者輸入的參數確定執行比特轉換的規則，以產生所述控制信號；

其中，所述參數包括與所述原始數據的比特位數以及所述比特轉換結果的比特位數相關的信息。

優選地，根據所述神經網絡處理器，其中所述數據轉換單元用于根據所述控制信號，確定所述原始數據中的保留位以及截斷位，并且根據所述原始數據的保留位以及所述原始數據的截斷位中的最高位確定所述比特轉換結果。

優選地，根據所述神經網絡處理器，其中所述數據轉換單元用于根據所述控制信號，確定所述原始數據中的保留位以及截斷位，并且將所述原始數據中的保留位作為所述比特轉換結果。

優選地，根據所述神經網絡處理器，其中所述數據轉換單元用于根據所述控制信號對所述原始數據進行比特轉換，以原始數據轉化為采用原本一半的比特位數進行表達的比特轉換結果。

一種采用上述任意一項所述的神經網絡處理器對神經網絡的數據進行比特轉換的方法，包括：

1)所述控制單元產生針對數據轉換單元的控制信號；