머신 학습 가속기들에 대한 넓은 승산-가산기 트리가 있는 부동-소수점 내적 하드웨어

    公开(公告)号:KR20200140703A

    公开(公告)日:2020-12-16

    申请号:KR20200053754

    申请日:2020-05-06

    Applicant: INTEL CORP

    Abstract: 시스템들, 장치들및 방법들은제1 서브세트의지수비트들에기초하여복수의부동-소수점수들사이의제1 정렬을수행하는기술을제공할수 있다. 이러한기술은, 제1 정렬과적어도부분적으로병렬로, 제2 서브세트의지수비트들에기초하여복수의부동-소수점수들사이의제2 정렬을또한수행할수 있으며, 제1 서브세트의지수비트들은 LSB들이고제2 서브세트의지수비트들은 MSB들이다. 하나의예에서, 기술은정렬된복수의부동-소수점수들을서로에가산한다. 제2 정렬에관하여, 이러한기술은또한, 복수의부동-소수점수들의개별지수들을식별하고, 이러한개별지수들에걸쳐최대지수를식별하고, 이러한최대지수로부터개별지수들의감산을수행할수 있으며, 이러한감산은 MSB로부터 LSB까지수행된다.

    Reconfigurable simd vector processing system
    2.
    发明专利
    Reconfigurable simd vector processing system 有权
    可重构SIMD矢量处理系统

    公开(公告)号:JP2008117389A

    公开(公告)日:2008-05-22

    申请号:JP2007276990

    申请日:2007-10-24

    CPC classification number: G06F7/5324 G06F2207/3828

    Abstract: PROBLEM TO BE SOLVED: To provide a reconfigurable SIMD vector processing system. SOLUTION: The system may include M N-bit×N-bit multipliers to output M 2N-bit products in a redundant format; a compressor to receive the M 2N-bit products and to generate an MN-bit product in a redundant format based on the M 2N-bit products; and an adder block to receive the M 2N-bit products and the MN-bit product, to select one from the M 2N-bit products or the MN-bit product, and to resolve the selected one of the M 2N-bit products or the MN-bit product to a non-redundant format. COPYRIGHT: (C)2008,JPO&INPIT

    Abstract translation: 要解决的问题:提供可重新配置的SIMD向量处理系统。 解决方案:系统可以包括M N位×N位乘法器,以冗余格式输出M 2N位产品; 压缩器,用于接收M 2N位产品并基于M 2N位产品以冗余格式生成MN位产品; 以及加法器块,用于接收M 2N位乘积和MN位乘积,以从M 2N位乘积或MN位乘积中选择一个,并且解析所选择的M 2N位乘积或 MN位产品为非冗余格式。 版权所有(C)2008,JPO&INPIT

    Systeme, Vorrichtungen und Verfahren zur k-Nächste-Nachbarn-Suche

    公开(公告)号:DE102015015182A1

    公开(公告)日:2016-06-30

    申请号:DE102015015182

    申请日:2015-11-24

    Applicant: INTEL CORP

    Abstract: Beschrieben sind Systeme, Vorrichtungen und Verfahren für k-Nächste-Nachbarn-(KNN-)Suchen. Insbesondere sind Ausführungsformen eines KNN-Beschleunigers und dessen Verwendungen beschrieben. In manchen Ausführungsformen umfasst der KNN-Beschleuniger eine Vielzahl von Vektorteilabstandsberechnungsschaltungen jeweils zum Berechnen einer Teilsumme, ein Minimumsortiernetzwerk zum Sortieren von Teilsummen aus der Vielzahl von Vektorteilabstandsberechnungsschaltungen, um k-Nächste-Nachbarn-Übereinstimmungen zu finden, und eine globale Steuerschaltung zum Steuern von Aspekten von Vorgängen der Vielzahl von Vektorteilabstandsberechnungsschaltungen.

    GLEITKOMMA-SKALARPRODUKT-HARDWARE MIT BREITEM MULTIPLIZIERER-ADDIERER-BAUM FÜR MASCHINENLERNBESCHLEUNIGER

    公开(公告)号:DE102020113791A1

    公开(公告)日:2020-12-10

    申请号:DE102020113791

    申请日:2020-05-22

    Applicant: INTEL CORP

    Abstract: Systeme, Vorrichtungen und Verfahren können Technologien vorsehen, die eine erste Ausrichtung zwischen mehreren Gleitkommazahlen basierend auf einer ersten Untermenge von Exponentenbits durchführen. Die Technologie kann außerdem, wenigstens teilweise parallel zu der ersten Ausrichtung, eine zweite Ausrichtung zwischen den mehreren Gleitkommazahlen durchführen, basierend auf einer zweiten Untermenge von Exponentenbits, wobei die erste Untermenge von Exponentenbits LSBs und die zweite Untermenge von Exponentenbits MSBs sind. In einem Beispiel fügt die Technologie die ausgerichteten mehreren Gleitkommazahlen einander hinzu. In Bezug auf die zweite Ausrichtung kann die Technologie auch einzelne Exponenten von mehreren Gleitkommazahlen identifizieren, einen Maximalexponenten über die einzelnen Exponenten hinweg identifizieren und eine Subtraktion der einzelnen Exponenten von dem Maximalexponent durchführen, wobei die Subtraktion vom MSB zum LSB erfolgt.

Patent Agency Ranking