[發明專利]數據處理電路及故障減輕方法

在審

• 申請號: 202210973016.5
• 申請日: 2022-08-15
• 公開（公告）號: CN115794453A
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 劉恕民;吳凱強;陳建發;唐文力
• 申請（專利權）人: 臺灣發展軟體科技股份有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06N3/063
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 張雅文

本發明實施例提供一種數據處理電路及故障減輕方法。這方法適用于具有一個或更多個故障位的存儲器，且存儲器提供區塊供數據存儲。確定區塊中的多個位上的值經神經網絡中的一個或更多個運算層的輸出與對應的正確值之間的差異。這些位分別作為故障位。根據差異確定存儲器的修補條件。這修補條件包括故障位處于區塊中的位置與存儲器中的一個或更多個未故障位之間的對應關系。根據修補條件使用存儲器中的一個或更多個未故障位上的值取代故障位上的值。藉此，可降低預測錯誤的機率。

技術領域

本發明涉及一種數據處理機制，且特別是還涉及一種數據處理電路及 故障減輕方法。

背景技術

神經網絡是人工智能(Artificial Intelligence，AI)中的一個重要主 題，并是通過模擬人類腦細胞的運作來進行決策。值得注意的是，人類腦細 胞中存在著許多神經元(Neuron)，而這些神經元會通過突觸(Synapse)來互相 連結。其中，各神經元可經由突觸接收信號，且此信號經轉化后的輸出會再 傳導到另一個神經元。各神經元的轉化能力不同，且人類通過前述信號傳遞 與轉化的運作，可形成思考與確定的能力。神經網絡即是根據前述運作方式 來得到對應能力。

神經網絡經常被應用在影像辨識中。而在各神經元的運作中，輸入分量 與對應突觸的權重相乘(可能加上偏置)后將經非線性函數(例如，激勵 (activation)函數)運算而輸出，從而擷取影像特征。無可避免地，用于存儲 輸入值、權重值及函數參數的存儲器可能良率不佳，使得部分存儲區塊故障/ 損壞(例如，硬性錯誤(hard error))，進而影響存儲數據的完成性或正確性。 甚至，針對卷積神經網絡(Convolutional Neural Network，CNN)，執行卷積 運算(Convolution)后，故障/損壞的情況將嚴重影響影像辨識結果。例如， 若故障發生在較高位，則辨識成功率可能趨近于零。

發明內容

本發明實施例是針對一種數據處理電路及故障減輕方法，客制化修補機 制，從而減輕各類型神經網絡模型所遭遇的存儲器損壞/故障情況。

根據本發明的實施例，故障減輕方法適用于具有一個或更多個故障位的 存儲器，且存儲器提供區塊供數據存儲。這故障減輕方法包括(但不僅限于) 下列步驟：確定區塊中的多個位上的值經神經網絡中的一個或更多個運算層 的輸出與對應的正確值之間的差異。這些位分別作為故障位。根據差異確定 存儲器的修補條件。這修補條件包括故障位處于區塊中的位置與存儲器中的 一個或更多個未故障位之間的對應關系。根據修補條件使用存儲器中的一個 或更多個未故障位上的值取代故障位上的值。

根據本發明的實施例，數據處理電路包括(但不僅限于)第一存儲器及處 理器。第一存儲器用以存儲程序代碼。處理器耦接第一存儲器。處理器經配 置用以加載且執行程序代碼以確定區塊中的多個位上的值經神經網絡中的一 個或更多個運算層的輸出與對應的正確值之間的差異，根據差異確定第二存 儲器的修補條件，并根據修補條件使用第二存儲器中的一個或更多個未故障 位上的值取代故障位上的值。這些位分別作為故障位。第二存儲器提供那區 塊供數據存儲并具有一個或更多個故障位。這修補條件包括故障位處于區塊 中的位置與存儲器中的一個或更多個未故障位之間的對應關系。

基于上述，根據本發明實施例的數據處理電路及故障減輕方法，根據故 障模擬結果與正確值之間的差異確定對應修補條件，以在特定位位置上的故 障通過合適的未故障位取代其值。藉此，可提升辨識成功率，并可適用于各 類型神經網絡模型。

附圖說明

包含附圖以便進一步理解本發明，且附圖并入本說明書中并構成本說 明書的一部分。附圖說明本發明的實施例，并與描述一起用于解釋本發明 的原理。

圖1是根據本發明一實施例的數據處理電路的組件方塊圖；

圖2是根據本發明一實施例的故障減輕方法的流程圖；

圖3是根據本發明一實施例的神經網絡架構的示意圖；