一种神经网络卷积层的高效量化加速方法及硬件电路
公开
摘要
本发明涉及人工智能计算技术领域，具体涉及一种神经网络卷积层的高效量化加速方法及硬件电路，分别在乘累加计算后设置逐通道乘法计算和逐通道加法计算，包括对输入特征和输出特征进行非对称量化，以确定放缩因子s1、s3和零点z1、z3的值；对每个权重进行独立量化，分别得到s2_k0、s2_k1、s2_k2…s2_ki…s2_kn‑1；硬件电路包括乘法器阵列MAC_Array单元、逐通道乘法计算单元和逐通道加法计算单元，三个单元为流水线操作，用于实现所述运算；本发明通过对卷积层的量化方法进行优化，减少了定点数的计算量，在加速器设计上简化了硬件电路，同时避免了因特征非对称性、权重kernel间动态范围差异大而导致的严重的量化精度损失。
基本信息
专利标题 ：
一种神经网络卷积层的高效量化加速方法及硬件电路
专利标题（英）：
暂无
公开（公告）号 ：
CN114580628A
申请号 ：
CN202210244784.7
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-14
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
蔡文利戴波孙皓
申请人 ：
北京宏景智驾科技有限公司
申请人地址 ：
北京市大兴区北京经济技术开发区经海四路25号10号楼104单元2层2312室
代理机构 ：
上海大为知卫知识产权代理事务所(普通合伙)
代理人 ：
何银南
优先权 ：
CN202210244784.7
主分类号 ：
G06N3/063
IPC分类号 ：
G06N3/063 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
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
G06N3/063
采用电的
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
