-
公开(公告)号:CN114781628A
公开(公告)日:2022-07-22
申请号:CN202210325808.1
申请日:2022-03-29
申请人: 清华大学
摘要: 本申请公开了一种基于忆阻器噪声的数据增强方法、装置、电子设备及介质,其中,方法包括:确定表征输入数据与输出数据之间关系的映射关系;基于映射关系,将映射关系对应的映射网络映射至目标忆阻器阵列;以及将输入数据输入至映射后的目标忆阻器阵列,并在目标忆阻器阵列施加随机噪声后,得到数据增强后的输出数据。本申请实施例利用忆阻器的随机噪声进行数据增强,增强的数据具有多样性和随机性,解决了相关技术中离线数据增强的方式适用的数据集较小,在线数据增强的方式耗时长,效率低,并且数据增强方式单一的问题。
-
公开(公告)号:CN116384246A
公开(公告)日:2023-07-04
申请号:CN202310379335.8
申请日:2023-04-11
申请人: 清华大学
摘要: 一种用于矩阵运算的存算一体装置及其操作方法。该存算一体装置包括存算一体计算单元、量化系数追踪单元和输出单元。存算一体计算单元配置为接收输入数据且根据存储的权重矩阵对输入数据进行矩阵运算,以得到输出数据;量化系数追踪单元配置为获取输入数据对应的第一量化系数以及存算一体计算单元对输入数据进行矩阵运算过程中产生的中间量化系数,以及获得与输出数据对应的累积量化系数;输出单元配置为提供输出数据以及累积量化系数。该存算一体装置能够实时获取和记录矩阵运算过程中产生的中间量化系数,为计算结果的后续处理提供了还原基础,能够有效提高计算结果的准确性,减少计算开销。
-
公开(公告)号:CN118095378A
公开(公告)日:2024-05-28
申请号:CN202410095930.3
申请日:2024-01-23
申请人: 清华大学
IPC分类号: G06N3/063 , G06N3/0464 , G06N5/046
摘要: 本发明涉及存算一体技术领域,特别涉及一种神经网络权重映射至忆阻器存算一体芯片的方法及装置,其中,方法包括:对目标神经网络权重进行扩充与切分,得到多组子矩阵;对多组子矩阵进行基矩阵分解,得到多个不同的线性组合;将多个不同的线性组合映射至目标忆阻器阵列上,以在前向推理过程中,计算映射后的目标忆阻器阵列的输出结果。由此,解决了传统直接映射中出现的权重与物理阵列形成绑定关系后,会急剧增加所需忆阻器数量,进而带来庞大的面积开销,并限制了忆阻器阵列和阵列利用率等问题。
-
-