[發(fā)明專利]神經(jīng)網(wǎng)絡計算方法和神經(jīng)網(wǎng)絡計算裝置在審
| 申請?zhí)枺?/td> | 202010130671.5 | 申請日: | 2020-02-28 |
| 公開(公告)號: | CN113326914A | 公開(公告)日: | 2021-08-31 |
| 發(fā)明(設計)人: | 蔣力;馬暢;崔曉松;陳云;廖健行 | 申請(專利權)人: | 華為技術有限公司 |
| 主分類號: | G06N3/04 | 分類號: | G06N3/04 |
| 代理公司: | 北京龍雙利達知識產權代理有限公司 11329 | 代理人: | 時林;王君 |
| 地址: | 518129 廣東*** | 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: | 神經(jīng)網(wǎng)絡 計算方法 計算 裝置 | ||
1.一種神經(jīng)網(wǎng)絡計算方法,其特征在于,包括:
接收第一輸入數(shù)據(jù);
根據(jù)計算陣列中存儲的第一權重對所述第一輸入數(shù)據(jù)進行第一神經(jīng)網(wǎng)絡計算,其中,所述第一權重為神經(jīng)網(wǎng)絡系統(tǒng)中第一神經(jīng)網(wǎng)絡層的權重,所述第一權重包括多個權重值,所述多個權重值中的每個權重值均由權重相同的N位數(shù)表示,N大于或等于2。
2.根據(jù)權利要求1所述的方法,其特征在于,所述多個權重值包括第一權重值,用于表示所述第一權重值的N位數(shù)包括第一數(shù)值和第二數(shù)值,所述第一數(shù)值大于所述第二數(shù)值,所述第一數(shù)值存儲于所述計算陣列的第一存算單元中,所述第二數(shù)值存儲于所述計算陣列的第二存算單元中,所述第一存算單元的器件誤差小于所述第二存算單元的器件誤差。
3.根據(jù)權利要求2所述的方法,其特征在于,用于表示所述第一權重值的N位數(shù)分別存儲在所述計算陣列的N個存算單元中,所述方法還包括:
在基于所述第一權重值對所述第一輸入數(shù)據(jù)進行神經(jīng)網(wǎng)絡計算時,將存儲所述第一權重值的N個存算單元的輸出結果輸入累加器進行累加計算;
當所述累加器的累加次數(shù)達到N時,控制所述累加器輸出計算結果。
4.根據(jù)權利要求1至3中任一項所述的方法,其特征在于,還包括:
接收第二輸入數(shù)據(jù);
根據(jù)計算陣列中存儲的第二權重對所述第二輸入數(shù)據(jù)執(zhí)行第二神經(jīng)網(wǎng)絡計算,其中,所述第二權重為所述神經(jīng)網(wǎng)絡系統(tǒng)中第二神經(jīng)網(wǎng)絡層的權重,所述第二權重包括多個權重值,所述多個權重值中的每個權重值均由權重相同的M位數(shù)表示,M大于或等于2,且M不等于N。
5.根據(jù)權利要求1至4中任一項所述的方法,其特征在于,所述第一權重是根據(jù)均勻編碼方式對第一初始權重進行編碼后得到的,所述均勻編碼方式包括多層編碼MLC均勻編碼。
6.一種神經(jīng)網(wǎng)絡計算裝置,其特征在于,包括:
接收端口,用于接收第一輸入數(shù)據(jù);
計算陣列,用于基于所述計算陣列中存儲的第一權重對所述第一輸入數(shù)據(jù)進行第一神經(jīng)網(wǎng)絡計算,其中,所述第一權重為神經(jīng)網(wǎng)絡系統(tǒng)中第一神經(jīng)網(wǎng)絡層的權重,所述第一權重包括多個權重值,所述多個權重值中的每個權重值均由權重相同的N位數(shù)表示,N大于或等于2。
7.根據(jù)權利要求6所述的裝置,其特征在于,所述多個權重值包括第一權重值,用于表示所述第一權重值的N位數(shù)包括第一數(shù)值和第二數(shù)值,所述第一數(shù)值大于所述第二數(shù)值,所述第一數(shù)值存儲于所述計算陣列的第一存算單元中,所述第二數(shù)值存儲于所述計算陣列的第二存算單元中,所述第一存算單元的器件誤差小于所述第二存算單元的器件誤差。
8.根據(jù)權利要求7所述的裝置,其特征在于,用于表示所述第一權重值的N位數(shù)分別存儲在所述計算陣列的N個存算單元中,所述裝置還包括累加器,所述累加器用于:
在基于所述第一權重值對所述第一輸入數(shù)據(jù)進行神經(jīng)網(wǎng)絡計算時,將存儲所述第一權重值的N個存算單元的輸出結果輸入累加器進行累加計算;
當所述累加器的累加次數(shù)達到N時,控制所述累加器輸出計算結果。
9.根據(jù)權利要求8所述的裝置,其特征在于,所述裝置還包括:
模擬數(shù)字轉換器ADC,所述ADC分別與所述計算陣列和所述累加器連接,用于將所述N個存算單元的模擬輸出結果轉換為數(shù)字輸出結果,并將所述數(shù)字輸出結果發(fā)送至所述累加器進行累加計算。
10.根據(jù)權利要求6至9中任一項所述的裝置,其特征在于,
所述接收端口還用于:接收第二輸入數(shù)據(jù);
所述計算陣列還用于:根據(jù)所述計算陣列中存儲的第二權重對所述第二輸入數(shù)據(jù)執(zhí)行第二神經(jīng)網(wǎng)絡計算,其中,所述第二權重為所述神經(jīng)網(wǎng)絡系統(tǒng)中第二神經(jīng)網(wǎng)絡層的權重,所述第二權重包括多個權重值,所述多個權重值中的每個權重值均由權重相同的M位數(shù)表示,M大于或等于2,且M不等于N。
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華為技術有限公司,未經(jīng)華為技術有限公司許可,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/202010130671.5/1.html,轉載請聲明來源鉆瓜專利網(wǎng)。
- 硬件神經(jīng)網(wǎng)絡轉換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡
- 神經(jīng)網(wǎng)絡的生成方法、生成裝置和電子設備
- 一種舌診方法、裝置、計算設備及計算機存儲介質
- 學習神經(jīng)網(wǎng)絡結構
- 脈沖神經(jīng)網(wǎng)絡轉換方法及相關轉換芯片
- 圖像處理方法、裝置、可讀存儲介質和計算機設備
- 一種適應目標數(shù)據(jù)集的網(wǎng)絡模型微調方法、系統(tǒng)、終端和存儲介質
- 用于重構人工神經(jīng)網(wǎng)絡的處理器及其操作方法、電氣設備
- 一種圖像神經(jīng)網(wǎng)絡結構的優(yōu)化方法及裝置





