[發明專利]一種處理器、介質和處理器的操作方法

有效

• 申請號: 201910559688.X
• 申請日: 2019-06-25
• 公開（公告）號: CN111381880B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 艾倫·格雷漢姆·亞歷山大;西蒙·克里斯蒂安·諾爾斯;馬杜拉·戈爾
• 申請（專利權）人: 圖核有限公司
• 主分類號: G06F9/30
• 分類號: G06F9/30;G06F9/38
• 代理公司: 深圳鷹翅知識產權代理有限公司 44658
• 代理人: 周婧;黃幸兒

本申請公開一種處理器、介質和處理器的操作方法，其中一種具有指令集的處理器，該指令集包括具有操作數的加載?存儲指令，該操作數在至少一個寄存器文件中的寄存器之中指定兩個加載操作中的每一個的相應目的地、存儲操作的相應源，以及布置為保持三個存儲器地址的地址寄存器對，該三個存儲器地址是該兩個加載操作中的每一個的相應加載地址和存儲操作的相應存儲地址。加載?存儲指令還包括三個立即步長操作數，每個指定一個存儲地址和該兩個加載地址中的每一個的相應步長值，其中每個立即步長操作數的至少一些可能值通過指定該一個或多個寄存器文件其中一個中的步長寄存器內的多個字段之一來指定該相應步長值，每個字段保持不同的步長值。

技術領域

本公開涉及具有高語義密度(semantic?density)的加載-存儲指令形式。

背景技術

對開發為特定應用而設計的處理器(例如圖形處理器(GPU)及數字信號處理器(DSP))的興趣正在上升。另一類最近受到關注的特定于應用的處理器是專用于機器智能應用的處理器，其被申請人命名為“IPU”(智能處理單元)。這些處理器可以被采用為例如加速器處理器，該加速器處理器布置為執行主機分配的工作，例如訓練或幫助訓練知識模型，例如神經網絡，或者執行或幫助執行基于這種模型的預測或推斷。

機器智能算法是基于對“知識模型”執行迭代更新，這可以由多個互連節點的圖形表示。每個節點表示其輸入的函數。一些節點接收對圖形的輸入，一些接收來自一個或多個其他節點的輸入，而一些節點的輸出形成其他節點的輸入，一些節點的輸出提供圖形的輸出(在一些情況下，給定節點甚至可能具有以下全部：對圖形的輸入、來自圖形的輸出和對其他節點的連接)。此外，由一個或多個相應參數(例如權重)對每個節點的函數進行參數化。在學習級期間，目標是基于經驗輸入數據集，找到各個參數的值，使得圖形作為整體針對可能輸入范圍而生成期望的輸出。用于這樣做的各種算法在本領域中是已知的，例如基于隨機梯度下降(stochastic?gradient?descent)的反向傳播算法(back?propagationalgorithm)。在基于輸入數據的多次迭代中，逐漸調整參數以減少它們的誤差，并且因此圖形收斂于解(solution)。在隨后的階段，學習的模型然后可以用于對在給定的指定輸入集的情況下對輸出進行預測，或者在給定的指定輸出集的情況下對輸入(原因)進行推斷。

設計為用于機器智能應用的處理器可以在其指令集中包括專用指令，用于執行機器智能應用中常用的算術操作(指令集是處理器的執行單元配置為識別的基本機器代碼指令類型集，每個類型由相應的操作碼和零個或更多個操作數定義)。例如，機器智能應用(例如神經網絡)中所需的常見操作是在輸入數據集上進行內核(kernel)的卷積(convolution)，其中內核表示神經網絡中節點的權重。為了在數據上進行大尺寸內核的卷積，可以將卷積分成多個向量或矩陣積，每個積(product)輸出擬與后續積的輸出累加的部分和。已經存在一些處理器，這些處理器在其指令集中包括專用于執行向量和矩陣乘法類型操作的算術指令，以用于執行卷積。

發明內容

相較于較簡單、較傳統的算術指令類型(例如加法、乘法等)，這些類型的算術指令在單一指令中包含大量語義內容(即，每個指令執行大量邏輯)。然而，為了伴隨這種復雜的指令或操作，還期望在指令集中提供加載-存儲指令，其在單一指令中包含高濃度的語義信息。