基于横向脉动阵列的RNN前向传播模型的硬件加速实现方法

发明专利有效专利

申请号：
CN201910996386.9
IPC分类号：G06N3/063;G06F15/80;G06N3/04
申请日期：
2019-10-18
申请人：
南京大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于横向脉动阵列的RNN前向传播模型的硬件加速实现方法
申请号	CN201910996386.9	申请日期	2019-10-18
法律状态	授权	申报国家	中国
公开/公告日	2020-02-21	公开/公告号	CN110826710A
优先权	暂无	优先权号	暂无
主分类号	G06N3/063 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/06 物理实现，即神经网络、神经元或神经元部分的硬件实现〔7〕 G06N3/063 采用电的〔7〕	IPC分类号	G;0;6;N;3;/;0;6;3;;;G;0;6;F;1;5;/;8;0;;;G;0;6;N;3;/;0;4查看分类表>
申请人	南京大学	申请人地址	江苏省南京市栖霞区仙林大道163号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南京大学	当前权利人	南京大学
发明人	傅玉祥;高珺;李丽;宋文清;黄延;李伟
代理机构	南京泰普专利代理事务所（普通合伙）	代理人	窦贤宇

摘要

本发明公开了基于横向脉动阵列的RNN前向传播模型的硬件加速实现系统及方法，首先配置网络参数，对数据进行初始化后，基于横向脉动阵列，计算中权重采用分块设计，隐藏层计算的权重矩阵按行进行分块，经过矩阵乘向量和向量求和运算和激活函数运算，计算得到隐藏层神经元，随后根据获得的隐藏层神经元，经过矩阵乘向量、向量求和运算和激活函数运算，产生RNN输出层结果，最终依据时间序列长度配置信息，产生RNN网络所需的输出结果，本方法隐藏层和输出层多维度并行，提高了计算的流水性，同时RNN网络中权重矩阵参数共享的特点，采用分块设计，进一步提高计算的并行度，灵活度高、可扩展性强、存储资源利用率高，加速比高，大大降低了计算。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供