执行解卷积的神经网络的方法和装置

    公开(公告)号:CN109754064A

    公开(公告)日:2019-05-14

    申请号:CN201811024492.2

    申请日:2018-09-03

    CPC classification number: G06N3/08 G06N3/04 G06N3/0454

    Abstract: 一种被配置为执行解卷积操作的神经网络装置,包括:存储器,被配置为存储第一内核;以及处理器,被配置为:从所述存储器获取所述第一内核;通过调整包括在所述第一内核中的矩阵元素的排列来计算第二内核;通过划分第二内核来生成子内核;使用卷积运算符来执行输入特征映射与子内核之间的卷积操作;并且通过合并卷积操作的结果来生成输出特征映射作为输入特征映射的解卷积。

    并行处理执行的设备和方法

    公开(公告)号:CN104102472A

    公开(公告)日:2014-10-15

    申请号:CN201410145966.4

    申请日:2014-04-11

    CPC classification number: G06F9/5027 G06F9/5066 G06F2209/5017

    Abstract: 本发明提供一种并行处理执行的设备和方法。一种基于作业的计算属性,通过将作业分配给多个计算器来执行作业的并行处理执行的设备和方法。所述用于并行处理执行的设备可包括:多个计算器,用于计算构成处理的多个任务的作业;分配器,用于基于作业的计算属性将作业分配给多个计算器,其中,所述多个计算器包括用于通过受控计算来处理作业的第一计算器和用于通过大规模计算来处理作业的第二计算器。

    缓存控制设备和方法
    13.
    发明公开

    公开(公告)号:CN101751993A

    公开(公告)日:2010-06-23

    申请号:CN200910177618.4

    申请日:2009-09-24

    Inventor: 金斗炫 宋准镐

    CPC classification number: G06F12/0875 G06F2212/1016

    Abstract: 提供一种缓存控制设备和方法。所述缓存控制设备可包括参数输入单元,接收与主存储器中的块级缓存相应的第一参数;缓存索引提取单元,从所述第一参数提取缓存索引;缓存标签提取单元,从第一参数提取缓存标签;以及比较单元,使用所述缓存索引和缓存标签确定是否发生缓存命中。

    神经处理器
    15.
    发明授权

    公开(公告)号:CN112513885B

    公开(公告)日:2024-02-27

    申请号:CN201980036663.X

    申请日:2019-06-21

    Abstract: 一种神经处理器。在一些实施例中,处理器包括:第一区块、第二区块、存储器和总线。总线可连接到存储器、第一区块和第二区块。第一区块可包括:第一权重寄存器、第二权重寄存器、激活缓冲器、第一乘法器和第二乘法器。激活缓冲器可被配置为包括:第一队列,连接到第一乘法器;和第二队列,连接到第二乘法器。第一队列可包括第一寄存器和与第一寄存器邻近的第二寄存器,第一寄存器是第一队列的输出寄存器。第一区块可被配置为:在第一状态下,在第一乘法器中将第一权重与来自第一队列的输出寄存器的激活相乘;并且在第二状态下,在第一乘法器中将第一权重与来自第一队列的第二寄存器的

    神经网络方法和装置
    16.
    发明公开

    公开(公告)号:CN110689109A

    公开(公告)日:2020-01-14

    申请号:CN201910558887.9

    申请日:2019-06-25

    Abstract: 提供了神经网络方法和装置。一种处理器实现的神经网络包括:计算用于更新神经网络的权重的各个个体梯度值;基于通过累积所述各个个体梯度值而获得的累积梯度值和表示所述权重的比特数字来计算残余梯度值;调整所述各个个体梯度值以与所述残余梯度值的比特数字相对应;对经调整的各个个体梯度值、所述残余梯度值以及所述权重进行求和;以及基于所述求和的结果来更新所述权重和所述残余梯度值以训练所述神经网络。

Patent Agency Ranking