本發(fā)明涉及深度學(xué)習(xí)及人工智能，更具體地涉及一種用于脈沖神經(jīng)網(wǎng)絡(luò)的卷積處理器、方法及電子設(shè)備。

背景技術(shù)：

1、模擬大腦神經(jīng)元傳輸?shù)拿}沖神經(jīng)網(wǎng)絡(luò)，其處理的數(shù)據(jù)具有稀疏特性，且還有事件觸發(fā)屬性，并不是每個(gè)時(shí)刻的數(shù)據(jù)都需要被全部計(jì)算，降低了總體的計(jì)算量，是一種高效的類腦計(jì)算結(jié)構(gòu)。由此，脈沖神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用在圖像識(shí)別，機(jī)器人控制等領(lǐng)域。

2、在相關(guān)技術(shù)中，脈沖神經(jīng)網(wǎng)絡(luò)的通用卷積計(jì)算結(jié)構(gòu)進(jìn)行卷積計(jì)算時(shí)，需要利用多級(jí)大量的加法器對(duì)參與卷積計(jì)算的各個(gè)權(quán)重進(jìn)行累加計(jì)算，加速器硬件計(jì)算資源占用較多、扇出較大、加速器硬件計(jì)算資源使用率較低。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述問題，本發(fā)明提供了一種用于脈沖神經(jīng)網(wǎng)絡(luò)的卷積處理器、方法及電子設(shè)備。

2、根據(jù)本發(fā)明的第一個(gè)方面，提供了一種用于脈沖神經(jīng)網(wǎng)絡(luò)的卷積處理器，上述卷積處理器包括：第一計(jì)算單元，上述第一計(jì)算單元中預(yù)存儲(chǔ)有基于n1個(gè)第一權(quán)重的2n1個(gè)脈沖卷積結(jié)果，上述第一計(jì)算單元用于接收n1個(gè)第一特征，從上述2n1個(gè)脈沖卷積結(jié)果中查找與上述n1個(gè)第一特征匹配的脈沖卷積結(jié)果作為第一卷積結(jié)果；其中，上述脈沖卷積結(jié)果包括k個(gè)部分，上述第一計(jì)算單元包括k個(gè)查找電路，第k查找電路中存儲(chǔ)各個(gè)脈沖卷積結(jié)果的第k部分，上述第k查找電路是k個(gè)查找電路中的任意查找電路，上述第k部分是上述k個(gè)部分中與上述第k查找電路相對(duì)應(yīng)的部分，上述第k查找電路用于從存儲(chǔ)的各個(gè)脈沖卷積結(jié)果的第k部分中查找與上述n1個(gè)第一特征匹配的第k部分，作為第一卷積結(jié)果的第k部分，其中，1≤k≤k且k為整數(shù)，n1和k為大于1的整數(shù)。

3、根據(jù)本發(fā)明的第二個(gè)方面，提供了一種用于脈沖神經(jīng)網(wǎng)絡(luò)的卷積處理方法，由上述的卷積處理器執(zhí)行，上述方法包括：第一計(jì)算單元接收n1個(gè)第一特征；第一計(jì)算單元從預(yù)存儲(chǔ)的基于n1個(gè)第一權(quán)重的2n1個(gè)脈沖卷積結(jié)果中，查找與上述n1個(gè)第一特征匹配的脈沖卷積結(jié)果作為第一卷積結(jié)果；其中，上述脈沖卷積結(jié)果包括k個(gè)部分，上述第一計(jì)算單元包括k個(gè)查找電路，第k查找電路中存儲(chǔ)各個(gè)脈沖卷積結(jié)果的第k部分，上述第k查找電路是k個(gè)查找電路中的任意查找電路，上述第k部分是上述k個(gè)部分中與上述第k查找電路相對(duì)應(yīng)的部分，上述從預(yù)存儲(chǔ)的基于n1個(gè)第一權(quán)重的2n1個(gè)脈沖卷積結(jié)果中，查找與上述n1個(gè)第一特征匹配的脈沖卷積結(jié)果作為第一卷積結(jié)果包括：第k查找電路從存儲(chǔ)的各個(gè)脈沖卷積結(jié)果的第k部分中查找與上述n1個(gè)第一特征匹配的第k部分，作為上述第一卷積結(jié)果的第k部分，其中，1≤k≤k且k為整數(shù)，n1和k為大于1的整數(shù)。

4、根據(jù)本發(fā)明的第三個(gè)方面，提供了一種電子設(shè)備，包括上述的卷積處理器。

5、根據(jù)本發(fā)明實(shí)施例提供的用于脈沖神經(jīng)網(wǎng)絡(luò)的卷積處理器，由于脈沖卷積結(jié)果包括k個(gè)部分，第一計(jì)算單元包括k個(gè)查找電路，第k查找電路中存儲(chǔ)各個(gè)脈沖卷積結(jié)果的第k部分，因此，能夠利用第k查找電路從存儲(chǔ)的各個(gè)脈沖卷積結(jié)果的第k部分中查找與n1個(gè)第一特征匹配的第k部分，作為第一卷積結(jié)果的第k部分。進(jìn)而能夠在不使用加法器和乘法器的情況下，利用第一計(jì)算單元包括的k個(gè)查找電路快速查找得到第一卷積結(jié)果的各個(gè)部分，快速得到第一計(jì)算單元從2n1個(gè)脈沖卷積結(jié)果中查找到的與n1個(gè)第一特征匹配的第一卷積結(jié)果，減少相關(guān)技術(shù)中的加法器的使用量。而由于加速器硬件計(jì)算資源的最小邏輯單元包括的查找電路較多、加法器的數(shù)量較少，在減少加法器的使用量的同時(shí)，能夠減少最小邏輯單元的使用量，減少加速器硬件計(jì)算資源占用量，扇出小，相關(guān)硬件的設(shè)計(jì)面積，且提高加速器硬件計(jì)算資源使用率。

技術(shù)特征：

1.一種用于脈沖神經(jīng)網(wǎng)絡(luò)的卷積處理器，其特征在于，所述卷積處理器包括：

2.根據(jù)權(quán)利要求1所述的卷積處理器，其特征在于，所述查找電路具有n1個(gè)輸入端和m個(gè)輸出端，其中，m=mk，m為第一卷積結(jié)果的比特?cái)?shù)，m為第一卷積結(jié)果的每個(gè)部分的比特?cái)?shù)；

3.根據(jù)權(quán)利要求2所述的卷積處理器，其特征在于，所述查找電路是查找表邏輯電路。

4.根據(jù)權(quán)利要求1所述的卷積處理器，其特征在于，所述第一計(jì)算單元為多個(gè)，所述卷積處理器還包括：第一加法器，用于對(duì)多個(gè)第一計(jì)算單元輸出的第一卷積結(jié)果進(jìn)行求和，得到第一輸出。

5.根據(jù)權(quán)利要求4所述的卷積處理器，其特征在于，所述卷積處理器還包括：

6.根據(jù)權(quán)利要求5所述的卷積處理器，其特征在于，所述卷積處理器用于3×3卷積，所述第一計(jì)算單元的數(shù)量為2個(gè)，n1=4，n2=1，m=10，k=5，m為第一卷積結(jié)果的比特?cái)?shù)；

7.根據(jù)權(quán)利要求5所述的卷積處理器，其特征在于，n2=1，所述第二計(jì)算單元包括：選擇器，所述選擇器用于根據(jù)n2個(gè)第二特征，在n2個(gè)第二權(quán)重與預(yù)設(shè)參考值之間進(jìn)行選擇，得到第二卷積結(jié)果。

8.根據(jù)權(quán)利要求1所述的卷積處理器，其特征在于，所述n1個(gè)第一特征分為第一組和第二組，所述第一卷積結(jié)果的第k部分包括第一子部分和第二子部分；

9.根據(jù)權(quán)利要求8所述的卷積處理器，其特征在于，所述第一子電路和所述第二子電路均是查找表邏輯電路。

10.根據(jù)權(quán)利要求8所述的卷積處理器，其特征在于，所述卷積處理器用于3×3卷積，n1=9，m=12，k=4，所述第一子電路具有4個(gè)輸入端和2個(gè)輸出端，所述第二子電路具有6個(gè)輸入端和2個(gè)輸出端，其中，m為第一卷積結(jié)果的比特?cái)?shù)。

11.根據(jù)權(quán)利要求4所述的卷積處理器，其特征在于，所述卷積處理器用于3×3卷積，所述第一計(jì)算單元的數(shù)量為2，兩個(gè)第一計(jì)算單元中的一個(gè)第一計(jì)算單元用于根據(jù)4個(gè)第一特征產(chǎn)生10比特的第一卷積結(jié)果，兩個(gè)第一計(jì)算單元中的另一個(gè)第一計(jì)算單元用于根據(jù)5個(gè)第一特征產(chǎn)生11比特的第一卷積結(jié)果，所述一個(gè)第一計(jì)算單元包括5個(gè)具有4個(gè)輸入端和2個(gè)輸出端的查找電路，所述另一個(gè)第一計(jì)算單元包括6個(gè)具有5個(gè)輸入端和2個(gè)輸出端的查找電路。

12.根據(jù)權(quán)利要求5所述的卷積處理器，其特征在于，所述卷積處理器還包括：比較器，用于對(duì)所述第二輸出與預(yù)設(shè)閾值進(jìn)行比較，并在所述第二輸出大于或等于所述預(yù)設(shè)閾值的情況下，輸出脈沖信號(hào)。

13.一種用于脈沖神經(jīng)網(wǎng)絡(luò)的卷積處理方法，由權(quán)利要求1所述的卷積處理器執(zhí)行，其特征在于，所述方法包括：

14.根據(jù)權(quán)利要求13所述的方法，其特征在于，所述查找電路具有n1個(gè)輸入端和m個(gè)輸出端，其中，m=mk，m為第一卷積結(jié)果的比特?cái)?shù)，m為第一卷積結(jié)果的每個(gè)部分的比特?cái)?shù)，所述從預(yù)存儲(chǔ)的基于n1個(gè)第一權(quán)重的2n1個(gè)脈沖卷積結(jié)果中，查找與所述n1個(gè)第一特征匹配的脈沖卷積結(jié)果作為第一卷積結(jié)果包括：

15.根據(jù)權(quán)利要求13所述的方法，其特征在于，所述第一計(jì)算單元為多個(gè)，所述卷積處理器還包括第一加法器，所述方法還包括：第一加法器對(duì)多個(gè)第一計(jì)算單元輸出的第一卷積結(jié)果進(jìn)行求和，得到第一輸出。

16.根據(jù)權(quán)利要求15所述的方法，其特征在于，所述卷積處理器還包括第二計(jì)算單元和第二加法器，所述方法還包括：

17.根據(jù)權(quán)利要求16所述的方法，其特征在于，所述卷積處理器用于3×3卷積，所述第一計(jì)算單元的數(shù)量為2個(gè)，n1=4，n2=1，m=10，k=5，m為第一卷積結(jié)果的比特?cái)?shù)；

18.根據(jù)權(quán)利要求17所述的方法，其特征在于，n2=1，所述第二計(jì)算單元包括選擇器，所述第二計(jì)算單元接收n2個(gè)第二特征，將接收到的所述n2個(gè)第二特征與n2個(gè)第二權(quán)重進(jìn)行卷積計(jì)算，得到第二卷積結(jié)果包括：

19.根據(jù)權(quán)利要求13所述的卷積處理方法，其特征在于，所述n1個(gè)第一特征分為第一組和第二組，所述第一卷積結(jié)果的第k部分包括第一子部分和第二子部分，所述第k查找電路包括第一子電路和第二子電路；

20.根據(jù)權(quán)利要求16所述的卷積處理方法，其特征在于，所述卷積處理器還包括：比較器，所述方法還包括：

21.一種電子設(shè)備，包括權(quán)利要求1至12任一項(xiàng)所述的卷積處理器。

技術(shù)總結(jié)
本發(fā)明提供了一種用于脈沖神經(jīng)網(wǎng)絡(luò)的卷積處理器、方法及電子設(shè)備，可以應(yīng)用于深度學(xué)習(xí)及人工智能技術(shù)領(lǐng)域。該用于脈沖神經(jīng)網(wǎng)絡(luò)的卷積處理器包括：第一計(jì)算單元，第一計(jì)算單元中預(yù)存儲(chǔ)有基于N1個(gè)第一權(quán)重的2<supgt;N1</supgt;個(gè)脈沖卷積結(jié)果，第一計(jì)算單元用于接收N1個(gè)第一特征，從2<supgt;N1</supgt;個(gè)脈沖卷積結(jié)果中查找與N1個(gè)第一特征匹配的脈沖卷積結(jié)果作為第一卷積結(jié)果；其中，脈沖卷積結(jié)果包括K個(gè)部分，第一計(jì)算單元包括K個(gè)查找電路，第k查找電路中存儲(chǔ)各個(gè)脈沖卷積結(jié)果的第k部分，第k查找電路用于從存儲(chǔ)的各個(gè)脈沖卷積結(jié)果的第k部分中查找與N1個(gè)第一特征匹配的第k部分，作為第一卷積結(jié)果的第k部分。

技術(shù)研發(fā)人員：蔣東東,董剛,胡克坤
受保護(hù)的技術(shù)使用者：蘇州元腦智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15