-
-
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
Applicant: 三星电子株式会社
IPC: G06N3/04
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。
-
公开(公告)号:CN114861897A
公开(公告)日:2022-08-05
申请号:CN202111105901.3
申请日:2021-09-22
Applicant: 三星电子株式会社
IPC: G06N3/063
Abstract: 公开了一种神经网络运算设备以及操作其的方法。所述方法包括:接收用于神经网络运算的数据;验证在与第一运算装置对应的第一数据遍历路径和与第二运算装置对应的第二数据遍历路径之间是否发生竞争;使用验证的结果和第一数据遍历路径与第二数据遍历路径之间的优先级,从所述数据之中确定第一操作数数据和第二操作数数据;将第一操作数数据发送到第一运算装置,将第二操作数数据发送到第二运算装置;以及通过第一运算装置基于第一操作数数据执行神经网络运算,并通过第二运算装置基于第二操作数数据执行神经网络运算。
-
-
公开(公告)号:CN118133904A
公开(公告)日:2024-06-04
申请号:CN202410056812.1
申请日:2024-01-15
Applicant: 三星(中国)半导体有限公司 , 三星电子株式会社
IPC: G06N3/0495 , G06N3/0985
Abstract: 提供一种神经网络模型的量化方法和量化神经网络模型的装置。所述量化方法包括:针对神经网络模型中的多个层中的一个或多个层,确定与所述一个或多个层的用于量化的多个最大权重误差分别对应的多个敏感度,其中,所述多个最大权重误差针对神经网络模型被预先配置;基于所述多个敏感度,确定所述多个最大权重误差之中的用于所述一个或多个层的最大权重误差;以及基于用于所述一个或多个层的最大权重误差,将所述一个或多个层的第一数据类型的权重量化为第二数据类型的权重。
-
公开(公告)号:CN109754064B
公开(公告)日:2024-04-12
申请号:CN201811024492.2
申请日:2018-09-03
Applicant: 三星电子株式会社
IPC: G06N3/0464 , G06N3/08
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。
-
公开(公告)号:CN115374916A
公开(公告)日:2022-11-22
申请号:CN202210115706.7
申请日:2022-02-07
Applicant: 三星电子株式会社
Abstract: 公开了硬件加速器和硬件加速器方法。所述硬件加速器方法包括:接收输入数据;从主机加载查找表(LUT);通过将输入数据输入到比较器来确定LUT的地址;基于所述地址获得与输入数据对应的LUT的值;以及基于LUT的值确定与输入数据对应的非线性函数的值,其中,LUT基于输出非线性函数的值的神经网络的权重而确定。
-
公开(公告)号:CN114548358A
公开(公告)日:2022-05-27
申请号:CN202110570492.8
申请日:2021-05-25
Applicant: 三星电子株式会社
Abstract: 提供了一种计算方法和装置。所述方法包括:由加载器根据加载顺序按加载单位加载存储在存储器中的输入特征图的输入数据,由缓冲器控制器将加载的输入数据存储在重用缓冲器中的根据加载顺序旋转地分配的地址中,以及由多个发送器中的每个将存储在重用缓冲器中的输入数据之中的与相应的卷积运算的每个输出数据对应的相应的输入数据发送到执行器,其中,发送的相应的输入数据的部分彼此重叠。
-
公开(公告)号:CN112925505A
公开(公告)日:2021-06-08
申请号:CN202011237219.5
申请日:2020-11-09
Applicant: 三星电子株式会社
Abstract: 公开了一种算术设备、算术设备的操作方法和神经网络处理器。所述算术设备包括:第一操作数保持电路,被配置为:根据时钟信号输出第一操作数,基于包括第一操作数的最高有效位的高阶位数据的位值生成指示信号,并且基于指示信号对时钟信号进行门控,时钟信号被施加到对第一操作数的高阶位数据进行锁存的锁存器;第二操作数保持电路,被配置为:根据时钟信号输出第二操作数;以及计算电路,被配置为:基于指示信号对第一操作数的高阶位数据执行数据门控,并通过使用第二操作数和由数据门控产生的修改的第一操作数执行运算来输出运算结果。
-
-
-
-
-
-
-
-
-