集成电路和用于对指令进行加速的方法

    公开(公告)号:CN119088536A

    公开(公告)日:2024-12-06

    申请号:CN202410586715.3

    申请日:2024-05-13

    Abstract: 公开了集成电路和用于对指令进行加速的方法。所述集成电路包括:中央处理器(CPU)核;加速器;以及加速指令队列,连接到CPU核和加速器。CPU核用于:以编程顺序从指令序列之中提取和解码一个或多个指令;确定所述一个或多个指令之中的包含编码在指令中的加速工作负载的所述指令;以及将包含编码在所述指令中的加速工作负载的所述指令在加速指令队列排队。

    以可变的扩张率在神经网络中进行卷积的方法和系统

    公开(公告)号:CN111401512B

    公开(公告)日:2024-06-04

    申请号:CN202010009066.2

    申请日:2020-01-03

    Abstract: 本发明涉及一种以可变扩张率在神经网络中进行卷积的方法和系统。该方法包括接收第一内核的尺寸和扩张率。此外,基于第一内核的尺寸、存储器的基线架构和扩张率,来确定一个或多个分解内核的尺寸中的至少一个。此外,基于扩张率以及与输入图像的尺寸和存储器相关联的一个或多个参数,确定输入图像的一个或多个块的地址。此后,从存储器中获取输入图像的所述一个或多个块以及所述一个或多个分解内核。最后,该方法包括基于所述一个或多个分解内核中的每一个与输入图像的所述一个或多个块的卷积来获得输出图像。

    用于处理多个计算机视觉任务的方法和设备

    公开(公告)号:CN117371491A

    公开(公告)日:2024-01-09

    申请号:CN202310825927.8

    申请日:2023-07-06

    Abstract: 公开了用于处理多个计算机视觉任务的方法和设备。所述方法包括:获取输入图像;以及对输入图像执行第一计算机视觉任务,并至少基于执行第一计算机视觉任务的中间结果来对输入图像执行第二计算机视觉任务;其中,执行第一计算机视觉任务的步骤包括:通过将输入图像输入到用于第一计算机视觉任务的第一神经网络,来执行第一计算机视觉任务,其中,执行第二计算机视觉任务的步骤包括:针对作为用于第二计算机视觉任务的第二神经网络的多个层中的至少一个层中的层的第二层,基于与作为第一神经网络中的层的第一层对应的基础输入图来获得与所述第二层对应的输入图,通过将与所述第二层对应的输入图应用于所述第二层来获得与所述第二层对应的输出图。

    神经处理装置和神经处理装置的操作方法

    公开(公告)号:CN115018061A

    公开(公告)日:2022-09-06

    申请号:CN202110868755.3

    申请日:2021-07-30

    Abstract: 公开了神经处理装置和神经处理装置的操作方法。所述神经处理装置包括:第一存储器,被配置为存储通用数据;第二存储器,与第一存储器区分开并且具有小于第一存储器的容量的容量;带宽控制路径,被配置为基于控制信号重新配置存储器带宽,以用于存储器用户使用第一存储器和第二存储器中的一个;以及控制逻辑,被配置为:计算用于存储器用户中的目标用户的数据的目标容量,并且基于将所述目标容量与第二存储器的容量进行比较的结果生成控制信号,以将目标用户的数据存储在第二存储器中,存储器用户中的目标用户是基于人工神经网络的层配置确定的。

    获取器的数据发送方法和获取器
    16.
    发明公开

    公开(公告)号:CN114662643A

    公开(公告)日:2022-06-24

    申请号:CN202110610398.0

    申请日:2021-06-01

    Abstract: 公开了获取器的数据发送方法和获取器。所述获取器包括加载器、至少一个发送器、缓冲控制器和重用缓冲器。所述数据发送方法包括:由加载器基于存储在重用缓冲器中的输入数据、将用于卷积运算的内核的形状和内核的权重的二维(2D)零值信息,根据加载次序来加载输入特征图的输入数据;由缓冲控制器将加载的输入数据存储在根据加载次序循环地分配地址的重用缓冲器中;和由所述至少一个发送器中的每个基于权重的一维(1D)零值信息,在存储在重用缓冲器中的输入数据之中选择与卷积运算的每个输出数据对应的输入数据,并且输出选择的输入数据。

    神经网络装置及其操作方法
    17.
    发明公开

    公开(公告)号:CN114548361A

    公开(公告)日:2022-05-27

    申请号:CN202111402485.3

    申请日:2021-11-23

    Abstract: 一种神经网络装置包括:存储器,被配置为存储第一特征图和第二特征图;以及神经网络处理器,被配置为操作神经网络并且包括:获取器,被配置为从存储器的第一特征图获取输入数据;缓冲器,被配置为存储输入数据;运算器,被配置为通过执行输入数据与核之间的卷积运算来生成输出数据;写入器,被配置为将输出数据写入存储器的第二特征图;以及控制器,被配置为:根据在多个步骤中基于核的膨胀率确定的一个或多个间隔和一个或多个偏移,控制获取器获取输入数据并控制写入器写入输出数据。

    以可变的扩张率在神经网络中进行卷积的方法和系统

    公开(公告)号:CN111401512A

    公开(公告)日:2020-07-10

    申请号:CN202010009066.2

    申请日:2020-01-03

    Abstract: 本发明涉及一种以可变扩张率在神经网络中进行卷积的方法和系统。该方法包括接收第一内核的尺寸和扩张率。此外,基于第一内核的尺寸、存储器的基线架构和扩张率,来确定一个或多个分解内核的尺寸中的至少一个。此外,基于扩张率以及与输入图像的尺寸和存储器相关联的一个或多个参数,确定输入图像的一个或多个块的地址。此后,从存储器中获取输入图像的所述一个或多个块以及所述一个或多个分解内核。最后,该方法包括基于所述一个或多个分解内核中的每一个与输入图像的所述一个或多个块的卷积来获得输出图像。

Patent Agency Ranking