申请/专利权人：东南大学

申请日：2020-12-09

公开（公告）日：2024-03-22

公开（公告）号：CN112508174B

主分类号：G06N3/0464

分类号：G06N3/0464;G06N3/063

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.04.02#实质审查的生效;2021.03.16#公开

摘要：本发明公开一种面向权重二值型神经网络的预计算逐列卷积计算单元，属于基本电子电路的技术领域，包括：1门控单元、2预计算单元、3查找单元和4自累加单元。门控单元判断特征值向量是否为全零，若为全零则将预计算单元和自累加单元中的寄存器时钟门控，预计算单元通过小型加法树电路进行预计算，得到特征值列向量与四种不同权重列向量的点积，查找单元通过选择器电路选择与实际权重列向量相对应的点积送至自累加单元，自累加单元根据特征值列向量的索引和权重列向量的索引选择对应的累加寄存器数据与其进行累加。相比于传统基于加法树或自累加器型的卷积计算单元电路，该种卷积计算单元电路能够显著降低计算量，提升计算效率，节省功耗。

主权项：1.一种面向权重二值型神经网络的预计算逐列卷积计算单元，其特征在于，单元电路包括：门控单元（1），门控单元从特征图缓存中读入的一列特征值，判断特征值向量是否为全零，若为全零则将预计算单元（2）和自累加单元（4）中的寄存器时钟门控单元进行门控，预计算单元（2），预先计算从特征图缓存中读入的一列特征值与4种不同权重向量[+1,-1,-1],[+1,-1,+1],[+1,+1,-1],[+1,+1,+1]的点积，并存入预计算单元内部的寄存器作为表值供查找单元（3）选择，查找单元（3）：根据从卷积核缓存中读入的实际权重向量，从预计算单元中选择对应的点积供自累加单元累加，自累加单元（4）：根据权重列向量索引和特征值列向量索引，从累加寄存器组中选择对应的数据与查找单元（3）的输出数据进行累加；所述门控单元（1）包含对特征值向量是否为全零元素的检测逻辑，检测结果通过反相器连接至集成时钟的门控单元的使能端clk_en，其输入为系统时钟clk_i，其输出clk_o连接至预计算单元（2）中各个寄存器的时钟引脚，与clk_o的产生过程相似，特征值向量是否全零的检测结果通过反相器，再经过一个寄存器延迟一个时钟周期后，连接至另一集成时钟的门控单元的使能端，其输入为系统时钟clk_i，其输出clk_o2连接至累加寄存器组中各个寄存器的时钟引脚，相比于clk_o，clk_o2在相位上延迟一个时钟周期；所述预计算单元（2）包含3个减法器、3个加法器和4个多比特寄存器组；第二特征值a1和第三特征值a2分别连接至第一减法器和第一加法器的输入端，得到temp0=a1-a2，temp1=a1+a2，第一特征值a0和第一减法器的输出temp0连接至第二减法器的输入，第二减法器的输出为P1=a0-a1+a2，第一减法器的输出temp0和第一特征值a0连接至第二加法器的输入，第二加法器的输出为P2=a0+a1-a2，第一特征值a0和第一加法器的输出temp1连接至第三减法器的输入，第三减法器的输出为P0=a0-a1-a2，第一加法器的输出temp1和第一特征值a0连接至第三加法器的输入，第三加法器的输出为P3=a0+a1+a2；P0-P3分别连接至4个累加寄存器组，每组寄存器分别存储一个列卷积计算结果；此外，第一减法器和第一加法器的输出temp0和temp1可被计算输出特征图第二行的逐列卷积计算单元电路中的预计算单元共享，从而减少运算次数。

全文数据：

权利要求：

百度查询： 东南大学 面向权重二值型神经网络的预计算逐列卷积计算单元

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD