[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

本發明適用計算機技術領域，提供了一種神經元電路、芯片、系統及其方法、存儲介質，在神經元電路中包括如下結構：計算模塊；配置信息存儲模塊，用于存儲神經元處理模式配置信息；以及，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。這樣，可滿足快速迭代的復雜多樣的神經網絡計算需求，可廣泛應用到計算資源受限、需要一定神經網絡架構可重構的領域，擴展了深度學習芯片的應用。

技術領域

本發明屬于計算機技術領域，尤其涉及一種神經元電路、芯片、系統及其方法、存儲介質。

背景技術

近年來，隨著基于人工神經網絡的深度學習技術在計算機視覺、自然語言處理、智能系統決策等領域的廣泛應用，對神經網絡計算進行加速的人工智能芯片技術得到學術界和工業界的關注和重視。

現有為神經網絡計算而定制的專用集成電路(Application SpecificIntegrated Circuit，ASIC)芯片多數還是基于預先指定的網絡結構與算法，過度追求功耗和速度的性能，導致其硬件結構固定，不具備神經網絡架構的可重構性，無法部署如今快速迭代的復雜多樣的神經網絡結構，從而無法廣泛應用到計算資源受限、需要一定神經網絡架構可重構的領域，如移動物聯網終端、無人機、無人駕駛等領域，ASIC芯片應用受到限制。

發明內容

本發明的目的在于提供一種神經元電路、芯片、系統及其方法、存儲介質，旨在解決現有技術所存在的、神經網絡架構無法重構而導致深度學習芯片應用受限的問題。

一方面，本發明提供了一種神經元電路，所述神經元電路包括：

計算模塊；

配置信息存儲模塊，用于存儲神經元處理模式配置信息；以及，

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。

另一方面，本發明提供了一種深度學習芯片，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；

由若干如上述的神經元電路構成的神經元陣列；

中央控制器，用于按照所述深度學習指令集控制使得：從所述存儲單元向所述神經元陣列中的所述神經元電路置入與當前所述神經網絡層指令相對應的當前所述處理模式配置信息及相應所需處理的數據，并在當前所述神經網絡層指令所指示的當前神經網絡層處理任務完成后，執行下一神經網絡層處理任務，直至所述深度學習指令集所指示的深度學習任務完成；以及，

輸入輸出單元，用于實現數據在所述存儲單元與所述神經元陣列之間的傳輸。

另一方面，本發明還提供了一種深度學習芯片級聯系統，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、如上述的深度學習芯片。

另一方面，本發明還提供了一種深度學習系統，所述深度學習系統包括：至少一個如上述的深度學習芯片，以及與所述深度學習芯片相連的外圍器件。

另一方面，本發明還提供了一種神經元控制方法，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。

另一方面，本發明還提供了深度學習控制方法，所述深度學習控制方法包括下述步驟：

獲得深度學習指令集，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；