【技术实现步骤摘要】
本公开涉及一种计算设备和方法。
技术介绍
1、深度学习，作为人工智能（artificial intelligence，ai）的一个领域，识别复杂数据中的模式并且实现精细化的预测。一般地，深度学习包括使用训练数据来训练神经网络模型的训练阶段以及将新数据输入到经训练的神经网络模型中以获得输出的推理阶段。虽然可以通过随着神经网络构建得更深而实现更精细化的预测来改进深度学习的性能，但是这种改进一般要求更多的能力，并且由于巨大的计算量而使模型变慢。
2、同时，神经网络可以包括许多用于精细预测的层，这可能进一步增加计算复杂度。因此，为了降低计算复杂度，正在使用算法轻量化技术，诸如将浮点数据映射到整数。
技术实现思路
1、至少一个实施例提供了一种被配置为对具有不同数据类型的输入数据执行乘法累加计算的计算设备和方法。
2、至少一个实施例提供了一种被配置为以不同精度对输入数据执行乘法累加计算的计算设备和方法。
3、至少一个实施例提供了一种计算设备，包括：处理电路，被配置为：接收第一数据类型的第一输入数据和不同于第一数据类型的第二数据类型的第二输入数据；基于第一输入数据和第二输入数据的位数来输出表示第一数据类型的第一信号、表示第二数据类型的第二信号和时钟信号；以及基于第一信号、第二信号和时钟信号来执行乘法计算，并且产生输出数据，使得乘法计算的结果基于第一输入数据和第二输入数据。
4、另一实施例提供了一种计算设备，该计算设备被配置为对第一位数的第一数据和不
5、另一实施例提供了一种神经处理系统，包括：非暂时性存储器；以及处理电路，被配置为从存储器接收与输入数据相对应的输入矩阵和权重矩阵，对输入矩阵和权重矩阵执行矩阵点积计算，并且输出执行矩阵点积计算的结果作为输出矩阵，其中输入矩阵包括第一数据类型的元素，并且权重矩阵包括不同于第一数据类型的第二数据类型的元素，并且处理电路包括计算设备，计算设备被配置为基于第一数据类型和第二数据类型来输出输入矩阵的元素的指数数据或权重矩阵的元素的指数数据之一作为输出矩阵的元素的指数数据。
本文档来自技高网...【技术保护点】
1.一种计算设备，包括：
2.根据权利要求1所述的计算设备，其中
3.根据权利要求2所述的计算设备，其中，所述处理电路包括
4.根据权利要求3所述的计算设备，其中，所述第一电路包括：异或（XOR）门，被配置为
5.根据权利要求3所述的计算设备，其中，所述第二电路被配置为输出所述第二输入数据的所述指数数据。
6.根据权利要求5所述的计算设备，其中，所述第二电路包括
7.根据权利要求3所述的计算设备，其中，所述第三电路被配置为：接收与所述第一输入数据的整数数据相对应的第一数据和与所述第二输入数据的尾数数据相对应的第二数据，并且对所述第一数据和所述第二数据执行所述乘法计算。
8.根据权利要求7所述的计算设备，其中，所述第三电路包括
9.根据权利要求7所述的计算设备，其中，所述第一数据的所述位数和所述第二数据的所述位数不同。
10.根据权利要求9所述的计算设备，其中，所述第一数据的所述位数小于所述第二数据的所述位数。
11.根据权利要求1所述的计算设备，其中，所述处理电
12.一种计算设备，被配置为对第一位数的第一数据和不同于所述第一位数的第二位数的第二数据执行乘法计算，所述计算设备包括：
13.根据权利要求12所述的计算设备，其中
14.根据权利要求12所述的计算设备，其中，所述第一位数小于所述第二位数。
15.根据权利要求12所述的计算设备，还包括：
16.根据权利要求15所述的计算设备，其中，所述第一输入数据和所述第二输入数据均为以下各项中的至少一个
17.根据权利要求16所述的计算设备，还包括：
18.根据权利要求17所述的计算设备，还包括
19.根据权利要求16所述的计算设备，还包括
20.一种神经处理系统包括：
...【技术特征摘要】
1.一种计算设备，包括：
2.根据权利要求1所述的计算设备，其中
3.根据权利要求2所述的计算设备，其中，所述处理电路包括
4.根据权利要求3所述的计算设备，其中，所述第一电路包括：异或（xor）门，被配置为
5.根据权利要求3所述的计算设备，其中，所述第二电路被配置为输出所述第二输入数据的所述指数数据。
6.根据权利要求5所述的计算设备，其中，所述第二电路包括
7.根据权利要求3所述的计算设备，其中，所述第三电路被配置为：接收与所述第一输入数据的整数数据相对应的第一数据和与所述第二输入数据的尾数数据相对应的第二数据，并且对所述第一数据和所述第二数据执行所述乘法计算。
8.根据权利要求7所述的计算设备，其中，所述第三电路包括
9.根据权利要求7所述的计算设备，其中，所述第一数据的所述位数和所述第二数据的所述位数不同。
10.根据权利要求9所述...
【专利技术属性】
技术研发人员：张宰薰，孙弘乐，申东旻，尹钟轮，林智训，田仑澔，李桐洙，权世重，金炳旭，朴培盛，
申请(专利权)人：三星电子株式会社，
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。