随机计算的CIM电路及适于机器学习训练的MAC运算电路

    公开(公告)号:CN119356640B

    公开(公告)日:2025-03-04

    申请号:CN202411918331.3

    申请日:2024-12-25

    Applicant: 安徽大学

    Abstract: 本发明属于集成电路领域,具体涉及一种随机计算的CIM电路及适于机器学习训练的MAC运算电路,该电路包括:存算阵列、随机量化电路、以及外围电路。其中,存算阵列采用具有数据存储和逻辑运算功能的SRAM阵列。随机量化电路包括随机电压生成器、孪生比较器阵列、随机累加电路和转码电路。随机电压生成器生成随机电压,孪生比较器阵列利用随机电压生成SRAM阵列输出的运算结果的随机比特流,随机累加电路根据各个随机比特流在随机域内实现乘积结果的累加;转码电路将最终结果的随机比特流转码为对应的数值。本发明还引入转置设计来实现更高效的全并行操作。本发明解决了现有各类采用全加器的CIM电路存在的面积效率较低和功耗较高的问题。

    随机计算的CIM电路及适于机器学习训练的MAC运算电路

    公开(公告)号:CN119356640A

    公开(公告)日:2025-01-24

    申请号:CN202411918331.3

    申请日:2024-12-25

    Applicant: 安徽大学

    Abstract: 本发明属于集成电路领域,具体涉及一种随机计算的CIM电路及适于机器学习训练的MAC运算电路,该电路包括:存算阵列、随机量化电路、以及外围电路。其中,存算阵列采用具有数据存储和逻辑运算功能的SRAM阵列。随机量化电路包括随机电压生成器、孪生比较器阵列、随机累加电路和转码电路。随机电压生成器生成随机电压,孪生比较器阵列利用随机电压生成SRAM阵列输出的运算结果的随机比特流,随机累加电路根据各个随机比特流在随机域内实现乘积结果的累加;转码电路将最终结果的随机比特流转码为对应的数值。本发明还引入转置设计来实现更高效的全并行操作。本发明解决了现有各类采用全加器的CIM电路存在的面积效率较低和功耗较高的问题。

    联合知识蒸馏与核相似性的CNN结构化稀疏方法及系统

    公开(公告)号:CN118364871A

    公开(公告)日:2024-07-19

    申请号:CN202410354849.2

    申请日:2024-03-27

    Applicant: 安徽大学

    Abstract: 本发明涉及神经网络技术领域,更具体的,涉及联合知识蒸馏与核相似性的CNN结构化稀疏方法及系统。本发明包括:获取样本数据集,并划分成训练集和测试集;使用样本数据集对原始CNN模型进行预训练,得到预训练后的CNN模型;基于预训练后的CNN模型,使用训练集进行多轮正式训练,直至模型的稀疏度和在测试集上的准确度达到最优平衡,即得到最终的轻量模型。本发明引入了知识蒸馏、并在其基础上对教师模型和学生模型进行了不同程度的稀疏化处理,而且稀疏化的损失函数增加了核相似性构建的函数项,可以在获得足够稀疏度模型的同时更好的保持住原有模型的准确度性能。本发明解决了现有的SSL法存在模型准确度与稀疏度不平衡的问题。

Patent Agency Ranking