[發(fā)明專利]用于深度學(xué)習(xí)加速的池化單元

在審

• 申請?zhí)枺?/td>: 202110203807.5
• 申請日: 2021-02-23
• 公開（公告）號: CN113298228A
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計）人: S·P·辛格;T·勃伊施;G·德索利
• 申請（專利權(quán)）人: 意法半導(dǎo)體股份有限公司;意法半導(dǎo)體國際有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063;G06N3/08
• 代理公司: 北京市金杜律師事務(wù)所 11256
• 代理人: 王茂華

1.一種卷積神經(jīng)網(wǎng)絡(luò)的池化單元，包括：

裁剪器，被配置為接收特征張量，并且通過裁剪所述特征張量來生成包括多個數(shù)據(jù)值的經(jīng)裁剪的特征張量；

行緩沖器，被配置為從所述裁剪器接收所述數(shù)據(jù)值；

列計算器，被配置為對來自所述行緩沖器的數(shù)據(jù)列執(zhí)行列池化操作；以及

行計算器，被配置為對來自所述列計算器的數(shù)據(jù)行執(zhí)行行池化操作。

2.根據(jù)權(quán)利要求1所述的池化單元，進一步包括全局池化數(shù)據(jù)路徑，所述全局池化數(shù)據(jù)路徑被配置為選擇性地將所述行緩沖器、所述列計算器、以及所述行計算器旁路。

3.根據(jù)權(quán)利要求1所述的池化單元，進一步包括非池化塊，所述非池化塊被配置為對來自所述行計算器和所述列計算器的池化數(shù)據(jù)執(zhí)行非池化操作。

4.根據(jù)權(quán)利要求1所述的池化單元，進一步包括配置寄存器，所述配置寄存器被配置為存儲用于所述裁剪器、所述列計算器和所述行計算器的配置數(shù)據(jù)。

5.根據(jù)權(quán)利要求4所述的池化單元，其中所述配置寄存器存儲指示要被所述列計算器和所述行計算器執(zhí)行的池化操作的類型的數(shù)據(jù)。

6.根據(jù)權(quán)利要求4所述的池化單元，其中所述配置寄存器存儲指示所述裁剪器應(yīng)當如何裁剪所述特征張量的數(shù)據(jù)。

7.根據(jù)權(quán)利要求1所述的池化單元，進一步包括平均乘法級，所述平均乘法級被配置為從由所述行計算器生成的行池化數(shù)據(jù)生成平均值。

8.根據(jù)權(quán)利要求1所述的池化單元，進一步包括填充控制塊，所述填充控制塊被配置為：填充來自所述行緩沖器的所述數(shù)據(jù)列，并且將經(jīng)填充的所述數(shù)據(jù)列傳遞給所述列計算器。

9.根據(jù)權(quán)利要求1所述的池化單元，其中所述行緩沖器是單端口行緩沖器。

10.根據(jù)權(quán)利要求1所述的池化單元，進一步包括跨步管理器，所述跨步管理器被配置為在池化所述經(jīng)裁剪的特征張量時控制窗口跨步。

11.一種方法，包括：

在卷積神經(jīng)網(wǎng)絡(luò)的池化單元中接收特征張量；

通過利用所述池化單元的裁剪器裁剪所述特征張量，來生成包括多個數(shù)據(jù)值的經(jīng)裁剪的特征張量；

將所述經(jīng)裁剪的特征張量的所述數(shù)據(jù)值傳遞給所述池化單元的單端口行緩沖器；

通過對來自所述行緩沖器的所述數(shù)據(jù)值執(zhí)行列池化計算和行池化計算，來生成經(jīng)池化的特征數(shù)據(jù)。

12.根據(jù)權(quán)利要求11所述的方法，進一步包括：至少部分地基于所述經(jīng)池化的特征數(shù)據(jù)，利用所述卷積神經(jīng)網(wǎng)絡(luò)來生成預(yù)測數(shù)據(jù)。

13.根據(jù)權(quán)利要求11所述的方法，進一步包括：在所述池化單元的配置寄存器中存儲用于所述裁剪器的配置數(shù)據(jù)。

14.根據(jù)權(quán)利要求13所述的方法，其中所述配置寄存器存儲指示要被所述池化單元的列計算器和行計算器執(zhí)行的池化操作的類型的數(shù)據(jù)。

15.根據(jù)權(quán)利要求13所述的方法，其中所述配置寄存器存儲指示所述裁剪器應(yīng)當如何裁剪所述特征張量的數(shù)據(jù)。

16.根據(jù)權(quán)利要求13所述的方法，其中所述配置數(shù)據(jù)存儲指示池化窗口的尺寸的池化窗口尺寸數(shù)據(jù)。

17.根據(jù)權(quán)利要求11所述的方法，進一步包括：將所述經(jīng)池化的特征數(shù)據(jù)輸出到所述卷積神經(jīng)網(wǎng)絡(luò)的卷積層。