[發明專利]神經元電路、芯片、系統及其方法、存儲介質

有效

• 申請號: 201811076248.0
• 申請日: 2018-09-14
• 公開（公告）號: CN109409510B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 王崢;梁明蘭;林躍金;李善遼;趙瑋
• 申請（專利權）人: 深圳市中科元物芯科技有限公司
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/04;G06N3/08
• 代理公司: 深圳智趣知識產權代理事務所(普通合伙) 44486
• 代理人: 李興生

1.一種深度學習芯片，其特征在于，適用于包括卷積網絡、區域網絡、循環網絡及強化學習網絡在內的深度學習網絡，所述深度學習芯片包括：

存儲單元，用于存儲深度學習指令集以及深度學習所針對數據，所述深度學習指令集包括：若干具有預定處理順序的神經網絡層指令；

中央控制器，用于按照所述深度學習指令集進行控制，以完成所述深度學習指令集所對應的深度學習任務；

輸入輸出單元，用于實現數據在所述存儲單元與神經元陣列之間的傳輸；以及，

由若干神經元電路構成的神經元陣列；

所述神經元電路可實現包括池化網絡層、激活函數網絡層、卷積網絡層、全連接網絡層、狀態動作網絡層在內的神經網絡層的數據處理；可根據不同的場景功能、神經網絡種類、神經網絡規模、神經元運算模式配置神經元電路；

所述神經元電路包括：

計算模塊，設置有包括乘法器、加法器和/或激活函數模塊在內的基礎計算模塊，用于進行計算基礎架構的調整，以執行不同的神經網絡層節點數據處理；其中，不同的神經網絡層節點數據處理包括：不同類型的神經網絡層的數據處理、同一類型神經網絡層中不同節點對應的數據處理、同一神經網絡層中不同節點對應的數據處理；

配置信息存儲模塊，用于存儲神經元處理模式配置信息；

控制模塊，用于根據所述處理模式配置信息，控制所述計算模塊調整為對應的計算基礎架構并執行對應的神經網絡層節點數據處理；

臨時存儲模塊，用于存儲所述神經網絡層節點數據處理的中間數據；

深度學習任務的處理過程包括：獲取所述存儲單元中與當前神經網絡層指令對應的當前處理模式配置信息，通過所述輸入輸出單元置入神經元陣列內的神經元電路，以完成神經元電路的配置；所述存儲單元中的待處理數據再通過輸入輸出單元置入神經元陣列內的神經元電路中，神經元電路則在所完成的配置基礎上，對置入的待處理數據進行處理，處理所得數據作為下一神經網絡層處理任務的待處理數據；迭代上述流程，以執行下一神經網絡層處理任務，直至完成所有的神經網絡層處理任務，以完成該深度學習任務；

當深度學習任務中需要引入神經網絡參數進行處理，則在處理模式配置信息置入神經元電路后，從存儲單元中向神經元陣列內的神經元電路置入相應的參數。

2.如權利要求1所述的深度學習芯片，其特征在于，所述神經元電路還包括：

參數存儲模塊，用于存儲所述神經網絡層節點數據處理所需的參數；以及，

地址生成模塊，用于受所述控制模塊控制，查找與所述神經網絡層節點數據處理針對的數據所對應的參數。

3.如權利要求1所述的深度學習芯片，其特征在于，所述計算模塊還包括：

選通模塊，用于在所述控制模塊的控制下執行對應的選通動作，使所述基礎計算模塊構成對應的所述計算基礎架構，所述選通模塊包括：復用器和/或解復用器。

4.如權利要求1所述的深度學習芯片，其特征在于，所述輸入輸出單元為串入串出式移位寄存器，所述神經元電路與所述輸入輸出單元之間建立獨立的數據傳輸通路。

5.如權利要求1所述的深度學習芯片，其特征在于，所述存儲單元還用于：存儲所述神經網絡層節點數據處理的中間數據。

6.一種深度學習芯片級聯系統，其特征在于，所述深度學習芯片級聯系統包括：至少兩個相互之間存在級聯關系的、如權利要求1至5任一項所述的深度學習芯片。

7.一種深度學習系統，其特征在于，所述深度學習系統包括：至少一個如權利要求1至5任一項所述的深度學習芯片，以及與所述深度學習芯片相連的外圍器件。

8.一種神經元控制方法，其特征在于，適用于權利要求1所述的深度學習芯片，所述神經元控制方法包括下述步驟：

獲得神經元處理模式配置信息；根據所述處理模式配置信息，控制計算模塊調整為對應的計算基礎架構并執行對應的神經網絡層節點數據處理。