发明授权-2018101610686-运算装置.pdf

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN109557996B
(45)授权公告日2022.12.02
(21)申请号201810161068.6(51)Int.Cl.
(22)申请日2018.02.27G06F1/3234(2019.01)
G06F15/78(2006.01)
(65)同一申请的已公布的文献号G06N3/063(2006.01)
申请公布号CN109557996A
(56)对比文件
(43)申请公布日2019.04.02US2004103095A1,2004.05.27
(30)优先权数据TianshiChen.DianNao:asmall-
2017-1827662017.09.22JPfootprinthigh-throughputacceleratorfor
(73)专利权人株式会社东芝ubiquitousmachine-learning.《ASPLOS》
地址日本东京都.2014,
专利权人东芝电子元件及存储装置株式会审查员张诗伯

社
(72)发明人田边靖贵佐野徹徐慧
(74)专利代理机构永新专利商标代理有限公司
72002
专利代理师牛玉婷权利要求书1页说明书13页附图21页
(54)发明名称
运算装置
(57)摘要
实施方式提供能够进行多个种类的运算并
且能够抑制存储器的读入及写入的次数、抑制耗
电的运算装置。实施方式的运算装置(3)具有运
算指示部(11)、运算部(21)、缓冲器(41)和保存
区域指示部(31)。运算指示部(11)进行第1运算
或第2运算中的某一方的运算种类的运算指示。
运算部(21)根据运算指示，进行运算，将中间运
算结果输出。缓冲器(41)保存中间运算结果
(Ic)。保存区域指示部(31)根据运算种类，进行
保存中间运算结果(Ic)的缓冲器内的区域(B)的
指示。
CN109557996B
CN109557996B权利要求书1/1页

1.一种运算装置，其中，具有：
控制部，输出表示运算是卷积运算还是全连接运算的运算种类和加权量识别信息；
运算指示部，根据从上述控制部输入的上述运算种类和上述加权量识别信息，进行与
上述运算种类相应的加权量及特征量所对应的运算种类的运算指示；
运算部，根据上述运算指示，进行使用了上述加权量和上述特征量的运算，输出中间运
算结果；
缓冲器，保存上述中间运算结果；以及
保存区域指示部，根据上述运算种类，进行对上述中间运算结果进行保存的上述缓冲
器内的区域的指示。
2.如权利要求1所述的运算装置，其中，
上述运算指示部从存储器读入与上述运算种类相应的加权量和特征量，将所读入的上
述加权量和上述特征量向上述运算部输出，从而进行上述运算指示。
3.如权利要求2所述的运算装置，其中，
上述运算指示部在上述卷积运算中从存储器读入与上述加权量对应的特征图X的对应
区域的上述特征量。
4.如权利要求2所述的运算装置，其中，
上述运算指示部具有加权量压缩部以及特征量压缩部，
上述加权量压缩部通过将上述加权量中包含的0值去除而将上述加权量进行压缩，输
出作为压缩位置的信息的压缩位置信息，
上述特征量压缩部根据上述压缩位置信息将上述特征量中包含的值去除，从而压缩上
述特征量。
5.如权利要求2所述的运算装置，其中，
上述加权量是加权矩阵。

2
CN109557996B说明书1/13页

运算装置

[0001]关联申请
[0002]本申请以日本专利申请第2017－182766号(申请日：2017年9月22日)为基础申请
而主张优先权。本申请通过参照该基础申请而包含基础申请的全部内容。

技术领域
[0003]本发明的实施方式涉及运算装置。

背景技术
[0004]以往，有通过神经网络从图像或声音等信息中实现认识、识别处理等的技术。例
如，在卷积神经网络技术中，通过使卷积层及全连接层(日语：全結合層)等层连续而构成神
经网络，在各层中，通过进行卷积运算及全连接运算等规定的运算，来实现认识、识别处理
等。
[0005]关于神经网络中的运算，在卷积运算、全连接运算等运算的过程中，有时会发生中
间运算结果向存储器的暂时退避等，存储器的读入、写入次数变多。此外，有通过将输入特
征图(FeatureMap)以及加权量多次反复读取而存储器的读入次数变多的情况。由于这样
的存储器的读入及写入的次数的增加，有耗电增大的情况。

发明内容
[0006]实施方式提供能够进行多个种类的运算、并且能够抑制存储器的读入及写入的次
数而抑制耗电的运算装置。
[0007]实施方式的运算装置具有运算指示部、运算部、缓冲器、以及保存区域指示部。上
述运算指示部进行第1运算或第2运算中的某一方的运算种类的运算指示。上述运算部根据
上述运算指示，进行运算，输出中间运算