[發明專利]神經網絡計算方法和裝置、電子設備及存儲介質

在審

• 申請號: 202011082665.3
• 申請日: 2020-10-12
• 公開（公告）號: CN112215338A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 鄧磊;吳臻志;何偉;施路平
• 申請（專利權）人: 北京靈汐科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063;G06F16/901
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

本申請公開了一種神經網絡計算方法和裝置、電子設備及存儲介質，屬于人工智能技術領域。該神經網絡計算方法包括：獲取所述神經網絡中的多個輸入信號；根據多個所述輸入信號在查找表中查找對應的計算結果；其中，所述查找表中存儲有多個所述輸入信號對應的計算結果。這樣可以將多個輸入信號對應的計算結果存儲在查找表中，直接通過查找表，查找多個輸入信號對應的計算結果，無需使用過多的選通器和加法器來完成輸入?權重乘累加過程，從而減少了計算資源占用和功耗開銷。

技術領域

本申請屬于神經網絡技術領域，具體涉及一種神經網絡計算方法和裝置、電子設備及存儲介質。

背景技術

神經網絡是一種模仿動物神經網絡的行為特征，進行分布式并行信息處理的數據計算模型。隨著神經網絡技術的發展，已經在諸多領域得到應用，如語音識別、圖像識別、計算機視覺、智能機器人、故障診斷、實時語言翻譯等領域。由于神經網絡的計算過程中，需要涉及眾多的輸入信號，且需要對眾多的輸入信號完成其對應的權重的計算操作。在相關技術中，脈沖神經網絡通常采用選通器和加法器結合的方式來實現權重的計算，人工神經網絡通常采用乘法器和加法器結合的方式來實現權重的計算，因而需要對應每個權重設置一個選通器或者乘法器，且需要大量的加法器來完成后續累加計算，從而導致計算資源占用多、功耗開銷大的問題。

發明內容

本申請實施例的目的是提供一種神經網絡計算方法和裝置、電子設備及存儲介質，能夠解決現有的神經網絡的計算方法計算資源占用多、功耗開銷大的問題。

為了解決上述技術問題，本申請是這樣實現的：

第一方面，本申請實施例提供了一種神經網絡計算方法，該方法包括：

獲取所述神經網絡中的多個輸入信號；

根據多個所述輸入信號在查找表中查找對應的計算結果；

其中，所述查找表中存儲有多個所述輸入信號對應的計算結果。

第二方面，本申請實施例提供了一種神經網絡計算裝置，所述裝置包括：

獲取模塊，用于獲取所述神經網絡中的多個輸入信號；

查找模塊，用于根據多個所述輸入信號在查找表中查找對應的計算結果；

其中，所述查找表中存儲有多個所述輸入信號對應的計算結果。

第三方面，本申請實施例提供了一種電子設備，該電子設備包括處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的程序或指令，所述程序或指令被所述處理器執行時實現如第一方面所述的方法的步驟。

第四方面，本申請實施例提供了一種可讀存儲介質，所述可讀存儲介質上存儲程序或指令，所述程序或指令被處理器執行時實現如第一方面所述的方法的步驟。

在本申請實施例中，通過獲取所述神經網絡中的多個輸入信號；根據多個所述輸入信號在查找表中查找對應的計算結果；其中，所述查找表中存儲有多個所述輸入信號對應的計算結果。這樣可以將多個輸入信號對應的計算結果存儲在查找表中，直接通過查找表，查找多個輸入信號對應的計算結果，無需使用過多的選通器和加法器來完成輸入-權重乘累加過程，從而減少了計算資源占用和功耗開銷。

附圖說明

圖1是本申請實施例提供的神經網絡計算方法的流程圖之一；

圖2是本申請實施例提供的查找表的結構示意圖之一；

圖3是本申請實施例提供的查找表的結構示意圖之二；

圖4是本申請實施例提供的神經網絡計算方法的流程圖之二；

圖5是本申請實施例提供的查找表的結構示意圖之三；