[發明專利]一種脈沖神經網絡加速計算系統、方法、設備及介質

有效

• 申請號: 202210710142.1
• 申請日: 2022-06-22
• 公開（公告）號: CN114792132B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 趙雅倩;蔣東東;董剛
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G06N3/063
• 分類號: G06N3/063;G06N3/04
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 宋薇薇;馬鵬林

本發明提出一種脈沖神經網絡加速計算系統，包括：事件判決單元，判斷特征數據有效性，并將有效特征數據的地址坐標發送到有效數據地址隊列中；有效數據計算單元，基于卷積核大小計算特征數據的有效性，并確定有效特征數據的有效地址坐標，將有效地址坐標和有效特征數據發送到事件判決單元；有效數據地址隊列，基于輸入的特征數據建立對應的有效數地址據隊列，并將收到有效特征數據的有效地址坐標按照順序存儲到對應的有效數據地址隊列中；并行計算單元，從有效數據地址隊列中讀取對應的有效特征數據的有效地址坐標，基于有效地址坐標根據卷積核大小從內存中取出對應的有效特征數據，并基于有效特征數據進行并行計算并將計算結果保存到內存中。

技術領域

本發明屬于計算機邊緣計算機領域，具體涉及一種脈沖神經網絡加速計算系統、方法、設備及可讀存儲介質。

背景技術

在深度學習領域，相比于需要計算所有圖像信息的（Convolutional NeuralNetworks，CNN）卷積神經網絡，脈沖神經網絡（Spiking Neuron Networks，SNN）因為屬于事件驅動，無需計算所有圖像信息，并且在傳輸機理上更加類似我們的大腦生物原因，因此計算更為高效。

在沒有事件觸發時，不會產生計算，只有在有事件觸發時，才會對脈沖圖像信息進行計算。而同時脈沖神經網絡feature數據具有極大的稀疏性，在脈沖神經網絡中，對圖相關處理時也需要使用卷積神經網絡處理對應的圖像信息，而目前CNN最為通用的PE陣列加速計算結構在計算稀疏的feature數據時，會有大量的PE計算單元在空轉或閑置，由此，會造成大量的無效計算或者大量的計算單元閑置，造成了空轉計算單元的功耗浪費或者計算單元的資源浪費。

發明內容

為解決以上問題，本發明提出一種脈沖神經網絡加速計算系統，包括：

事件判決單元，所述事件判決單元配置用于判斷輸入的特征數據是否為有效特征數據，并將有效特征數據的有效地址坐標發送到有效數據地址隊列中；

有效數據計算單元，所述有效數據計算單元配置用于基于卷積核大小計算輸入的特征數據的有效性，并基于卷積核大小確定有效特征數據的有效地址坐標，并將所述有效地址坐標和所述有效特征數據發送到所述事件判決單元；

有效數據地址隊列，所述有效數據地址隊列配置用于基于輸入的特征數據建立對應的有效數地址據隊列，并將收到有效特征數據的有效地址坐標按照順序存儲到對應的有效數據地址隊列中；

并行計算單元，所述并行計算單元配置用于從所述有效數據地址隊列中讀取對應的有效特征數據的有效地址坐標，基于所述有效地址坐標根據卷積核大小從內存中取出對應的有效特征數據，并基于所述有效特征數據進行并行計算并將計算結果保存到內存中。

在本發明的一些實施方式中，有效數據計算單元包括：

脈沖相機，所述脈沖相機配置用于根據卷積核的大小計算所述輸入的特征數據中的有效特征數據。

在本發明的一些實施方式中，脈沖相機進一步配置用于根據卷積核大小按照預定閾值計算所述輸入的特征數據中的有效地址。

在本發明的一些實施方式中，并行計算單元進一步配置用于：

基于對應的卷積核大小判斷并行計算后的特征數據是否為有效特征數據，并將所述并行計算后的特征數據中的有效特征數據的有效地址坐標發送到對應的有效數據地址隊列。

在本發明的一些實施方式中，并行計算單元進一步配置用于：

將所述并行計算后的特征數據同時發送到所述有效數據計算單元和內存中。

在本發明的一些實施方式中，有效數據計算單元進一步配置用于：