【技术实现步骤摘要】
本公开的实施例涉及计算机，具体涉及多核异构处理器芯片、设备和可读介质以及物品识别方法。
技术介绍
1、随着以深度学习为代表的ai技术的发展，深度学习模型训练需要计算能力与并行计算能力较强的处理器芯片进行训练处理。现有的处理器芯片通常存在以下技术问题：
2、第一，深度学习模型训练需要进行大量的矩阵运算、向量运算等计算任务，需要大量的计算资源，现有的处理器芯片通常为单核心或少量核心而且现有的处理器芯片中处理器核心类型单一。对于大量的矩阵运算、向量运算，现有的处理器芯片的计算能力与并行计算能力较弱。
3、第二，现有的处理器芯片，对于易于发生损坏的处理器核心，通常不能够更换损坏的处理器核心。在进行处理器更新的时候，现有的处理器芯片通常是不可拆卸的，必须更换整个处理器芯片，而不能只更换需要升级的处理器核心，造成了处理器芯片生产材料的浪费。
4、第三，现有的处理器芯片随着核心数量的增加，处理器的功耗和散热也会相应增加。每个核心都需要消耗电能，并产生热量，较高的温度可能会加速处理器芯片的老化和损坏。同时较高的温度会使晶体管内部的电子更容易跃迁，电阻值会随着温度的升高而增加，导致漏电流增多且电力损耗增大。进而，导致电力能源的浪费。
5、该
技术介绍
部分中所公开的以上信息仅用于增强对本专利技术构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后
2、本公开的一些实施例提出了多核异构处理器芯片、物品识别设备和计算机可读介质以及物品识别方法，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
3、第一方面，本公开的一些实施例提供了一种多核异构处理器芯片，包括：智能处理器芯片、图像处理器核心、视频编解码处理器核心、加密处理器核心与全局存储组件，其中，上述智能处理器芯片、上述图像处理器核心、上述视频编解码处理器核心、上述加密处理器核心与上述全局存储组件通过高速片上网络集成在片上网络总线上；上述智能处理器芯片包括标量处理器核心、张量处理器核心与矢量处理器核心；上述标量处理器核心用于执行以下至少一项：逻辑运算，线程调度，接收上述张量处理器核心、上述图像处理器核心、上述视频编解码处理器核心、上述加密处理器核心、上述全局存储组件发送的交换数据，参与上述张量处理器核心、上述矢量处理器核心、上述图像处理器核心、上述视频编解码处理器核心、上述加密处理器核心的协同处理；上述矢量处理器核心包括各个可编程运算核心；上述张量处理器核心与上述矢量处理器核心用于执行以下至少一项任务：神经网络的推理、加速神经网络的训练；异构计算池数据驱动调度器在上述多核异构处理器芯片上与上述片上网络总线连接。
4、可选地，上述矢量处理器核心用于执行矢量运算。
5、可选地，上述图像处理器核心用于执行以下至少一项处理：图像空域降噪、时域降噪与图像增强。
6、可选地，上述视频编解码处理器核心内置视频编码模块，以支持各个类型的编码，其中，上述各个类型的编码包括以下至少一项：高级视频编码与高效视频编码；以及上述加密处理器核心内置可编程的安全处理核心，以支持实时视频加密处理；以及上述加密处理器核心内置随机数生成器与加密算法加速器，以实现数据加密和解密操作。
7、可选地，上述全局存储组件包括全局存储管理单元与存储器管理执行器。
8、可选地，上述多核异构处理器芯片通过上述异构计算池数据驱动调度器调度各个处理器核心。
9、可选地，上述多核异构处理器芯片用于装载至物品识别设备中。
10、第二方面，本公开的一些实施例提供了一种应用上述多核异构处理器芯片的物品识别方法，包括：通过上述多核异构处理器芯片包括的异构计算池数据驱动调度器获取待学习图像集；将上述待学习图像集输入至上述智能处理器芯片包括的图像处理器核心，得到第一数据增强待学习图像集；将上述第一数据增强待学习图像集输入至上述智能处理器芯片包括的张量处理器核心，以对上述待学习图像集进行图像预处理，得到第二数据增强待学习图像集；将上述第二数据增强待学习图像集输入至上述智能处理器芯片包括的矢量处理器核心，得到对应上述第二数据增强待学习图像集的特征提取信息集；将上述特征提取信息集与对应上述待学习图像集的预设目标物品识别信息集输入至上述智能处理器芯片，以对预设初始神经网络进行训练，得到训练完成的初始神经网络；通过上述智能处理器芯片包括的矢量处理器核心，将预设待识别图像输入至上述训练完成的初始神经网络，以对预设待识别图像进行物品预测识别，得到对应上述预设待识别图像的物品预测识别信息；将上述物品预测识别信息输入至上述智能处理器芯片包括的标量处理器核心，以将上述物品预测识别信息显示在上述物品识别设备的显示屏幕中。
11、第三方面，本公开的一些实施例提供了一种物品识别设备，包括：多核异构处理器芯片；存储装置，其上存储有一个或多个程序，当一个或多个程序被多核异构处理器芯片执行，使得多核异构处理器芯片实现上述第二方面任一实现方式所描述的方法。
12、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被多核异构处理器芯片执行时实现上述第二方面任一实现方式所描述的方法。
13、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的多核异构处理器芯片，提高了处理器芯片的计算能力与并行计算能力。具体来说，造成处理器芯片的计算能力与并行计算能力较弱的原因在于：深度学习模型训练需要进行大量的矩阵运算、向量运算等计算任务，需要大量的计算资源，现有的处理器芯片通常为单核心或少量核心而且现有的处理器芯片中处理器核心类型单一。对于大量的矩阵运算、向量运算，现有的处理器芯片的计算能力与并行计算能力较弱。基于此，本公开的一些实施例的多核异构处理器芯片包括：智能处理器芯片、图像处理器核心、视频编解码处理器核心、加密处理器核心与全局存储组件，其中，上述智能处理器芯片、上述图像处理器核心、上述视频编解码处理器核心、上述加密处理器核心与上述全局存储组件通过高速片上网络集成在片上网络总线上。上述智能处理器芯片包括标量处理器核心、张量处理器核心与矢量处理器核心。由此，可以增加处理器芯片的不同类型的处理核心。上述标量处理器核心用于执行以下至少一项：逻辑运算，线程调度，接收上述张量处理器核心、上述图像处理器核心、上述视频编解码处理器核心、上述加密处理器核心、上述全局存储组件发送的交换数据，参与上述张量处理器核心、上述矢量处理器核心、上述图像处理器核心、上述视频编解码处理器核心、上述加密处理器核心的协同处理。上述矢量处理器核心包括各个可编程运算核心。上述张量处理器核心与上述矢量处理器核心用于执行以下至少一项任务：神经网络的推理本文档来自技高网...
【技术保护点】
1.一种多核异构处理器芯片，其特征在于，包括：智能处理器芯片、图像处理器核心、视频编解码处理器核心、加密处理器核心与全局存储组件，其中，所述智能处理器芯片、所述图像处理器核心、所述视频编解码处理器核心、所述加密处理器核心与所述全局存储组件通过高速片上网络集成在片上网络总线上；
2.根据权利要求1所述的多核异构处理器芯片，其特征在于，所述矢量处理器核心用于执行矢量运算。
3.根据权利要求1所述的多核异构处理器芯片，其特征在于，所述图像处理器核心用于执行以下至少一项处理：图像空域降噪、时域降噪与图像增强。
4.根据权利要求1所述的多核异构处理器芯片，其特征在于，所述视频编解码处理器核心内置视频编码模块，以支持各个类型的编码，其中，所述各个类型的编码包括以下至少一项：高级视频编码与高效视频编码；以及
5.根据权利要求1所述的多核异构处理器芯片，其特征在于，所述全局存储组件包括全局存储管理单元与存储器管理执行器。
6.根据权利要求1所述的多核异构处理器芯片，其特征在于，所述多核异构处理器芯片通过所述异构计算池数据驱动调度器调度各
7.根据权利要求1-6之一所述的多核异构处理器芯片，其特征在于，所述多核异构处理器芯片用于装载至物品识别设备中。
8.一种物品识别方法，应用于权利要求7所述的物品识别设备，所述方法包括：
9.一种物品识别设备，包括：
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被所述多核异构处理器芯片执行时，实现如权利要求8中任一所述的方法。
...【技术特征摘要】
1.一种多核异构处理器芯片，其特征在于，包括：智能处理器芯片、图像处理器核心、视频编解码处理器核心、加密处理器核心与全局存储组件，其中，所述智能处理器芯片、所述图像处理器核心、所述视频编解码处理器核心、所述加密处理器核心与所述全局存储组件通过高速片上网络集成在片上网络总线上；
2.根据权利要求1所述的多核异构处理器芯片，其特征在于，所述矢量处理器核心用于执行矢量运算。
3.根据权利要求1所述的多核异构处理器芯片，其特征在于，所述图像处理器核心用于执行以下至少一项处理：图像空域降噪、时域降噪与图像增强。
4.根据权利要求1所述的多核异构处理器芯片，其特征在于，所述视频编解码处理器核心内置视频编码模块，以支持各个类型的编码，其中，所述各个类型的编码包括以下至少一...
【专利技术属性】
技术研发人员：张韵东，周学武，顾页，由海，刘文，
申请(专利权)人：北京中星微人工智能芯片技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。