[發明專利]神經網絡計算裝置

在審

• 申請號: 202010719900.7
• 申請日: 2020-07-22
• 公開（公告）號: CN111984548A
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 蔣文
• 申請（專利權）人: 深圳云天勵飛技術有限公司
• 主分類號: G06F12/0802
• 分類號: G06F12/0802;G06F12/0831;G06F16/51;G06F3/06;G06N3/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

本申請實施例提供一種神經網絡計算裝置，包括系統控制模塊、計算模塊、總線控制接口模塊和動態緩存模塊，系統控制模塊與計算模塊通信連接，總線控制接口模塊分別與計算模塊、動態緩存模塊通信連接，神經網絡計算裝置通過總線控制接口模塊與外部存儲模塊通信連接；動態緩存模塊存儲從所述外部存儲模塊讀取的源圖像像素點數據；在計算過程中若需再次用到該源圖像像素點數據，則只需從動態緩存模塊中讀取，由于從外部存儲模塊中讀取數據的時間遠遠大于從內部動態緩存模塊中讀取數據的時間，因此本申請實施例可以從內部動態緩存模塊中該讀取源圖像像素點數據，從而減少去外部存儲讀取數據，有利于提高計算效率，并減少數據帶寬的需求。

技術領域

本申請涉及神經網絡技術領域，尤其涉及一種神經網絡計算裝置。

背景技術

普通的卷積神經網絡(Convolutional Neural Network，CNN)能夠顯式的學習平移不變性，以及隱式的學習旋轉不變性，但注意力模型(attention model)表明，與其讓網絡隱式的學習到某種能力，不如為網絡設計一個顯式的處理模塊，專門處理以上的各種變換。因此，深度思考(DeepMind)就設計了空間變換網絡(Spatial Transform Network，STN)來實現各種變換，STN實現各種變換的過程包括參數預測、坐標映射和像素采樣。經過STN變換得到的目標圖像像素點坐標是規律的，例如一個寬度為w，高度為h的目標圖像，像素點可以從(0，0)一直到(w-1，h-1)，而根據目標圖像像素點坐標通過坐標映射計算出來的源圖像像素點坐標點是隨機的。由于現有技術將源圖像像素點數據存儲在外部，在像素采樣時，空間變換網絡計算裝置需要頻繁去外部的雙倍速率同步動態隨機存儲器(DDR)或隨機存取存儲器(RAM)中讀取源圖像的像素點數據，因此現有技術存在兩個缺點：其一是每次讀回來的數據都很少，總線讀取效率不高；其二是頻繁去外部讀取數據會降低空間變換網絡計算裝置內部的計算效率。

發明內容

本申請實施例公開了一種神經網絡計算裝置，以期通過設置動態緩存模塊，用于緩存從外部存儲中讀取回來的數據，從而減少去外部存儲讀取數據，有利于提高計算效率，并減少數據帶寬的需求。

本申請實施例公開了一種神經網絡計算裝置，所述神經網絡計算裝置包括系統控制模塊、計算模塊、總線控制接口模塊和動態緩存模塊，所述系統控制模塊與所述計算模塊通信連接，所述總線控制接口模塊分別與所述計算模塊、所述動態緩存模塊通信連接，所述神經網絡計算裝置通過所述總線控制接口模塊與外部存儲模塊通信連接；

所述動態緩存模塊，用于存儲從所述外部存儲模塊讀取的源圖像像素點數據；

所述系統控制模塊，用于向所述計算模塊發送計算啟動信號，所述計算啟動信號包括目標圖像像素點坐標和變換參數；

所述計算模塊，用于根據所述目標圖像像素點坐標和所述變換參數計算得到第一源圖像像素點數據的存儲地址信息，以及向所述總線控制接口模塊發送所述存儲地址信息；

所述總線控制接口模塊，用于根據所述存儲地址信息從所述外部存儲模塊和/或所述動態緩存模塊中讀取所述第一源圖像像素點數據，以及向所述計算模塊發送所述第一源圖像像素點數據；

所述計算模塊，還用于根據所述第一源圖像像素點數據計算得到目標圖像像素點數據。