CN101847087A - 一种支持定浮点可重构的横向求和网络结构 - Google Patents
一种支持定浮点可重构的横向求和网络结构 Download PDFInfo
- Publication number
- CN101847087A CN101847087A CN 201010162375 CN201010162375A CN101847087A CN 101847087 A CN101847087 A CN 101847087A CN 201010162375 CN201010162375 CN 201010162375 CN 201010162375 A CN201010162375 A CN 201010162375A CN 101847087 A CN101847087 A CN 101847087A
- Authority
- CN
- China
- Prior art keywords
- point
- floating
- fixed
- index
- operation part
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007667 floating Methods 0.000 title claims abstract description 76
- 238000010606 normalization Methods 0.000 claims abstract description 35
- 238000006073 displacement reaction Methods 0.000 claims abstract description 20
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 230000000295 complement effect Effects 0.000 claims abstract description 13
- 238000013144 data compression Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 9
- 239000003638 chemical reducing agent Substances 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 17
- 241001269238 Data Species 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000012467 final product Substances 0.000 claims description 8
- 230000005945 translocation Effects 0.000 claims description 8
- 238000007906 compression Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 3
- 238000007792 addition Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006854 communication Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Landscapes
- Complex Calculations (AREA)
Abstract
本发明公开了一种支持定浮点可重构的横向求和网络结构，包括依次连接的浮点指数操作部分、浮点尾数操作/定点操作部分、浮点规格化操作部分，其中：浮点指数操作部分，用于完成选择指数最大值以及求指数差，得到的指数差输出给浮点尾数操作/定点操作部分；浮点尾数操作/定点操作部分，用于完成浮点尾数的移位对齐、数据压缩、数据求和，以及对浮点结果的补码转换，同时通过另一旁路并行完成对浮点规格化操作中需要的前导0预测判断，得到的处理结果输出给浮点规格化操作部分；浮点规格化操作部分，用于完成浮点尾数的规格化移位和调整指数。利用本发明，降低了多输入浮点加法的关键通路延时，减少了定点求和所消耗的运算资源，并降低了功耗。
Description
技术领域
本发明涉及处理器设计技术领域，尤其涉及一种支持定浮点可重构的横向求和网络结构，针对高性能领域处理器的核心运算部件，特别是指对支持不同类型、可变尺寸的多个输入操作数进行并行求和的处理方式。
背景技术
当前，随着技术的不断发展，以现代雷达信号处理、星载卫星图像处理、扩频通信、图像压缩、科学计算、高清电视等为代表的高计算密集型领域，对信号处理能力的要求越来越高。尽管当前采用多核并行架构已成为解决计算需求瓶颈的主要途径，但是在处理器中，无论多么复杂的运算最终都要交由运算单元来完成。因此，作为整个处理器最核心的部件，运算单元的计算能力仍然是衡量处理器性能的关键指标。而针对特定领域的可变尺寸、高密度的并行计算给运算单元带来的运算压力不言而喻。
一方面，在数字信号处理算法中，诸如矩阵乘法、QR分解、FIR滤波等过程中，都存在最终将向量转化为标量的过程，这个过程通过将向量中的逐个元素进行累加求和来实现。另一方面，不同的信号处理领域对运算粒度有不同的需求，比如通信处理领域，大多采用8位或16位的定点数据；在雷达信号处理领域，多采用单精度甚至双精度浮点数据。因此，为了使数字信号处理器能适应以高密集度计算为特征的不同领域的多输入操作数累加的过程，需要求和过程支持不同数据长度的定浮点运算。
以浮点多输入求和为例，传统做法采用串行和并行两种方法。串行算法是采用单个双输入浮点加法器附加寄存器以串行的顺序对多个输入数据进行累加，从而实现多输入浮点加法功能。这种串行算法尽管可以极大的减少资源的需求，但其对N输入操作数N-1级的浮点加法延时，是高性能运算部件所无法容忍的。并行算法是采用多个双输入浮点加法器通过级联的形式来实现并行运算，从而尽量减小运算时延，提高运算速度。
在算术级考虑多输入加法的算术依赖性，可以知道最终的和值产生实际仅与操作数各自的值有关，而与具体的运算顺序无关，也就是说在分级折叠的过程中，任意两个输入操作数进入一个浮点加法器，最终都不会影响和的结果。另一方面，多输入的各浮点数彼此之间亦不存在相关。根据上述分析，可以发现在并行多输入浮点加法中，存在大量的重复过程。三次折叠进行了三级移位对齐、尾数加减、规格化移位、舍入过程。而这些步骤都在算法实现的关键路径上。
因此，急需采取一种更大粒度的并行方式完成并行算法中的串行重叠部分。
发明内容
(一)要解决的技术问题
有鉴于此，本发明的主要目的在于提供一种支持定浮点可重构的横向求和网络结构，以能够支持8位、16位、32位定点数据、精简的IEEE-754标准单精度及扩展精度浮点数据，降低多输入浮点加法的关键通路延时，减少定点求和所消耗的运算资源，并进一步降低功耗。
(二)技术方案
为达到上述目的，本发明提供了一种支持定浮点可重构的横向求和网络结构，包括依次连接的浮点指数操作部分、浮点尾数操作/定点操作部分、浮点规格化操作部分，其中：
浮点指数操作部分，用于完成选择指数最大值以及求指数差，得到的指数差输出给浮点尾数操作/定点操作部分；
浮点尾数操作/定点操作部分，用于完成浮点尾数的移位对齐、数据压缩、数据求和，以及对浮点结果的补码转换，同时通过另一旁路并行完成对浮点规格化操作中需要的前导0预测判断，得到的处理结果输出给浮点规格化操作部分；
浮点规格化操作部分，用于完成浮点尾数的规格化移位和调整指数。
上述方案中，所述浮点指数操作部分在进行选择指数最大值时，采用四级并行比较器，以对数折叠的方式对16个指数进行比较，选出指数最大值Emax。
上述方案中，所述浮点指数操作部分在进行求指数差时，采用16个8位并行加法器同时进行减法，求得|Emax-En|，作为浮点尾数操作时，尾数移位对齐的移位距离。
上述方案中，所述浮点尾数操作/定点操作部分在进行浮点尾数的移位对齐时，采用16个32位并行移位器同时进行移位，每个移位器的控制信号来自|Emax-En|，同时将移出的|Emax-En|尾数部分进行规约或操作，用于在后面步骤中判断舍入；在定点通路中，数据权重相同，不需要移位，因此只需要将移位距离设置为0即可，同时在尾数对齐同步完成对于浮点数据的stick位探测。
上述方案中，所述浮点尾数操作/定点操作部分在进行数据压缩时，采用级联的4-2压缩器阵列，将同权重的16个输入浮点数据压缩为2个，或是在定点通路中，将16个32位定点数据、32个16位定点数据或64个8位定点数据压缩为2个，得到的结果作为下一步数据求和的输入。
上述方案中，所述浮点尾数操作/定点操作部分在进行数据求和时，将压缩器阵列得到的两个数据输入到快速加法器进行相加，得到最终的加法结果。
上述方案中，所述浮点尾数操作/定点操作部分在进行补码转换时，需要配置一加法器，输入按位取反，再加1即可，并进一步通过优化进位链降低补码转换的延时。
上述方案中，所述浮点尾数操作/定点操作部分在进行前导0预测时，通过对压缩器输出的两个结果进行预编码，在尾数相加的过程中，并行的完成对规格化移位距离的计算过程，具体包括：
对操作数进行预编码后产生0、1编码串，其前导1的位置与尾数计算结果前导1的位置相同；此0、1编码串经LOD电路处理得到前导1位置的二进制编码，控制尾数计算结果在规格化移位器中左移的位数；由于预编码可能会产生一位误差，移位后的结果还要经过补偿电路判断并纠正误差，经过前导0的预测判断，得到尾数规格化移位的0～4位移位距离。
上述方案中，所述浮点规格化操作部分在进行浮点尾数的规格化移位时，采用1个64位移位器对尾数结果进行规格化移位，前导0判断的结果作为移位器阵列的控制端，控制小数点左移的尾数。
上述方案中，所述浮点规格化操作部分在进行调整指数时，采用一个8位加法器，两个输入操作数分别是指数最大值Emax以及规格化移位距离，指数加法与尾数规格化移位并行完成。
(三)有益效果
从上述技术方案可以看出，本发明具有以下有益效果：
本发明提供的这种支持定浮点可重构的横向求和网络结构，能够支持8位、16位、32位定点数据、精简的IEEE-754标准单精度及扩展精度浮点数据，降低了多输入浮点加法的关键通路延时，减少了定点求和所消耗的运算资源，并进一步降低了功耗。
附图说明
图1是本发明提供的支持定浮点可重构的横向求和网络结构的示意图；
图2是本发明浮点指数操作部分中指数最大值产生逻辑的示意图；
图3是本发明浮点指数操作部分中指数求差逻辑的示意图；
图4是本发明浮点尾数操作/定点操作部分中尾数对齐及Stick探测逻辑的示意图；
图5本发明浮点尾数操作/定点操作部分中数据压缩阵列的示意图；
图6本发明浮点尾数操作/定点操作部分中2个8位4-2压缩器组成1个16位压缩器的示意图；
图7本发明浮点尾数操作/定点操作部分中支持不同粒度的可配置压缩器阵列的示意图；
图8本发明浮点规格化操作部分中浮点尾数规格化移位和调整指数的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
如图1所示，图1是本发明提供的支持定浮点可重构的横向求和网络结构的示意图，该横向求和网络结构由三大部分构成，即浮点指数操作部分、浮点尾数操作/定点操作部分、浮点规格化操作部分，且浮点指数操作部分、浮点尾数操作/定点操作部分、浮点规格化操作部分依次连接。
其中，浮点指数操作部分，用于完成选择指数最大值以及求指数差，得到的指数差输出给浮点尾数操作/定点操作部分；浮点尾数操作/定点操作部分，用于完成浮点尾数的移位对齐、数据压缩、数据求和，以及对浮点结果的补码转换，同时通过另一旁路并行完成对浮点规格化操作中需要的前导0预测判断，得到的处理结果输出给浮点规格化操作部分；浮点规格化操作部分，用于完成浮点尾数的规格化移位和调整指数。
浮点指数操作部分在进行选择指数最大值时，采用四级并行比较器，以对数折叠的方式对16个指数进行比较，选出指数最大值Emax。浮点指数操作部分在进行求指数差时，采用16个8位并行加法器同时进行减法，求得|Emax-En|，作为浮点尾数操作时，尾数移位对齐的移位距离。
浮点尾数操作/定点操作部分在进行浮点尾数的移位对齐时，采用16个32位并行移位器同时进行移位，每个移位器的控制信号来自|Emax-En|，同时将移出的|Emax-En|尾数部分进行规约或操作，用于在后面步骤中判断舍入；在定点通路中，数据权重相同，不需要移位，因此只需要将移位距离设置为0即可，同时在尾数对齐同步完成对于浮点数据的stick位探测。浮点尾数操作/定点操作部分在进行数据压缩时，采用级联的4-2压缩器阵列，将同权重的16个输入浮点数据压缩为2个，或是在定点通路中，将16个32位定点数据、32个16位定点数据或64个8位定点数据压缩为2个，得到的结果作为下一步数据求和的输入。浮点尾数操作/定点操作部分在进行数据求和时，将压缩器阵列得到的两个数据输入到快速加法器进行相加，得到最终的加法结果。浮点尾数操作/定点操作部分在进行补码转换时，需要配置一加法器，输入按位取反，再加1即可，并进一步通过优化进位链降低补码转换的延时。浮点尾数操作/定点操作部分在进行前导0预测时，通过对压缩器输出的两个结果进行预编码，在尾数相加的过程中，并行的完成对规格化移位距离的计算过程。
浮点规格化操作部分在进行浮点尾数的规格化移位时，采用1个64位移位器对尾数结果进行规格化移位，前导0判断的结果作为移位器阵列的控制端，控制小数点左移的尾数。浮点规格化操作部分在进行调整指数时，采用一个8位加法器，两个输入操作数分别是指数最大值Emax以及规格化移位距离，指数加法与尾数规格化移位并行完成。
按照上述各操作步骤，最终完成多输入加法的求和操作。在性能方面，在保证合理运算时钟周期时延的前提下，提高运算时钟频率的难点在于合理分配各级流水操作的运算量，即须尽量使各级流水操作的运算量基本相同，这就必须综合考虑各种操作的运算速度。考虑将一个计算节拍定义为一个双输入浮点加法的延迟，以16个单精度浮点数输入为例，在两个计算节拍内完成运算，其各级流水操作划分为：第一级流水完成提取指数最大值、指数减法、尾数移位对齐、数据压缩、尾数求和以及前导0预测操作；第二级流水完成补码转换、浮点规格化操作、二次舍入。
下面结合图2至图8，详细介绍本发明提供的这种支持定浮点可重构的横向求和网络结构。本发明在横向求和网络的具体实现方面，包含级联、并行、可重构设计。
指数操作部分，首先如图2所示，通过COMP和一个MUX选择出两个指数中较大值，以相同的四级共15组上述介绍的比较器，并行选择出16个指数中的最大值Emax。将Emax和16个浮点数的指数E0-E15作为并行指数求差模块的输入，每个8位的减法器并行进行求差操作，得到Di＝|Emax-Ei|，具体结构见图3，每个减法器的输出Di作为尾数移位对齐部分的移位距离。
尾数操作部分中，在尾数对齐操作中，如图4所示，16浮点数的尾数M0～M15以及在指数求差逻辑中计算得到的移位距离D0～D15作为输入操作数，输入到16个并行32位移位器中进行算术右移，高位进行符号扩展。右移后的高32位M0’～M15’为对齐后的数据，而右移移出的部分通过规约或分别求得stick0～stick15。
图5为数据压缩阵列的示意图，首先根据每个浮点数的符号Si(i＝0、1、……、15)对对齐后的尾数各位取反或保持不变，最低位加1或不变。进而采用级联的4-2压缩器阵列，将同权重的16个输入浮点数据压缩为2个，或是在定点通路中，将16个32位定点数据，32个16位定点数据，64个8位定点数据压缩为2个。得到的结果(Sout、Cout)作为下一步快速加法器的输入。在此步骤中，支持不同粒度的可配置级联压缩器阵列是本发明独创之一，在保证算术等价性的前提下，通过分析算法和结构，将对字节操作的5级压缩、对短字操作的4级压缩和对整字操作的3级压缩逻辑合并在一个完整的压缩器阵列中，通过控制信号选通对压缩器进行配置。
图6所示为以某级2个8位4-2压缩器组成1个16位4-2压缩器的示意图。其中当MUX选通A端输入时，表示为两个8位4-2压缩器，功能上完成同时对8个8位数据进行压缩得到4个9位输出数据。当MUX选通B端输入有效时，表示一个完整的16位4-2压缩器。由此可见，一级32位压缩器阵列可以分割成2个16位压缩器，4个8位压缩器。只需要在电路上增加若干电路选通逻辑即可。因此只需要以8位压缩器为单元的模块，将模块进行级联，即可得到完整的压缩器阵列。完整的压缩器阵列模块化示意如图7所示。
在尾数相加部分，采用可变分组的Sklansky树型加法器对Sout和Cout相加。其中加法器的设计是本发明的另一独创性工作之一。由于支持可变长度的数据运算，因此加法器的尺寸规模需要重新配置，即因为16个32位定点数加法需要加法器尺寸为36位；32个16位定点数加法需要加法器尺寸为21位；64个8位定点数加法需要的加法器尺寸为14位；同时对浮点加法采用双路径加法实现时要同时完成A+B和A+B+1的操作。因此需要特别考虑快速加法器的进位链设计，同时在满足各尺寸规模的相关权重位引出输出。
补码转换逻辑相对简单，只需要配置一加法器，输入按位取反，再加1即可。可以通过优化进位链降低补码转换的延时。
规格化部分，通过对压缩器输出的两个结果进行预编码，在尾数相加的过程中，并行的完成对规格化移位距离的计算过程，具体包括：
步骤1：对操作数进行预编码后产生0、1编码串，其前导1的位置与尾数计算结果前导1的位置相同(可能有1位误差)。
步骤2：此0、1编码串经LOD电路处理得到前导1位置的二进制编码，控制尾数计算结果在规格化移位器中左移的位数。
步骤3：由于预编码可能会产生一位误差，移位后的结果还要经过补偿电路判断并纠正误差。
经过前导0的预测判断，可以得到尾数规格化移位的0-4位移位距离Dnormal。采用1个64位移位器对尾数结果进行规格化移位，前导0判断的结果Dnormal做为移位器阵列的控制端，控制小数点左移的尾数，移位器的输出为最终的尾数mantissa。最后采用一个8位加法器，两个输入操作数分别是指数最大值Emax以及规格化移位距离Dnormal，相加得到最终的指数结果exponent。指数加法与尾数规格化移位并行完成，如图8所示。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种支持定浮点可重构的横向求和网络结构，其特征在于，包括依次连接的浮点指数操作部分、浮点尾数操作/定点操作部分、浮点规格化操作部分，其中：
浮点指数操作部分，用于完成选择指数最大值以及求指数差，得到的指数差输出给浮点尾数操作/定点操作部分；
浮点尾数操作/定点操作部分，用于完成浮点尾数的移位对齐、数据压缩、数据求和，以及对浮点结果的补码转换，同时通过另一旁路并行完成对浮点规格化操作中需要的前导0预测判断，得到的处理结果输出给浮点规格化操作部分；
浮点规格化操作部分，用于完成浮点尾数的规格化移位和调整指数。
2.根据权利要求1所述的支持定浮点可重构的横向求和网络结构，其特征在于，所述浮点指数操作部分在进行选择指数最大值时，采用四级并行比较器，以对数折叠的方式对16个指数进行比较，选出指数最大值Emax。
3.根据权利要求1所述的支持定浮点可重构的横向求和网络结构，其特征在于，所述浮点指数操作部分在进行求指数差时，采用16个8位并行加法器同时进行减法，求得|Emax-En|，作为浮点尾数操作时，尾数移位对齐的移位距离。
4.根据权利要求1所述的支持定浮点可重构的横向求和网络结构，其特征在于，所述浮点尾数操作/定点操作部分在进行浮点尾数的移位对齐时，采用16个32位并行移位器同时进行移位，每个移位器的控制信号来自|Emax-En|，同时将移出的|Emax-En|尾数部分进行规约或操作，用于在后面步骤中判断舍入；在定点通路中，数据权重相同，不需要移位，因此只需要将移位距离设置为0即可，同时在尾数对齐同步完成对于浮点数据的stick位探测。
5.根据权利要求1所述的支持定浮点可重构的横向求和网络结构，其特征在于，所述浮点尾数操作/定点操作部分在进行数据压缩时，采用级联的4-2压缩器阵列，将同权重的16个输入浮点数据压缩为2个，或是在定点通路中，将16个32位定点数据、32个16位定点数据或64个8位定点数据压缩为2个，得到的结果作为下一步数据求和的输入。
6.根据权利要求1所述的支持定浮点可重构的横向求和网络结构，其特征在于，所述浮点尾数操作/定点操作部分在进行数据求和时，将压缩器阵列得到的两个数据输入到快速加法器进行相加，得到最终的加法结果。
7.根据权利要求1所述的支持定浮点可重构的横向求和网络结构，其特征在于，所述浮点尾数操作/定点操作部分在进行补码转换时，需要配置一加法器，输入按位取反，再加1即可，并进一步通过优化进位链降低补码转换的延时。
8.根据权利要求1所述的支持定浮点可重构的横向求和网络结构，其特征在于，所述浮点尾数操作/定点操作部分在进行前导0预测时，通过对压缩器输出的两个结果进行预编码，在尾数相加的过程中，并行的完成对规格化移位距离的计算过程，具体包括：
对操作数进行预编码后产生0、1编码串，其前导1的位置与尾数计算结果前导1的位置相同；此0、1编码串经LOD电路处理得到前导1位置的二进制编码，控制尾数计算结果在规格化移位器中左移的位数；由于预编码可能会产生一位误差，移位后的结果还要经过补偿电路判断并纠正误差，经过前导0的预测判断，得到尾数规格化移位的0～4位移位距离。
9.根据权利要求1所述的支持定浮点可重构的横向求和网络结构，其特征在于，所述浮点规格化操作部分在进行浮点尾数的规格化移位时，采用1个64位移位器对尾数结果进行规格化移位，前导0判断的结果作为移位器阵列的控制端，控制小数点左移的尾数。
10.根据权利要求1所述的支持定浮点可重构的横向求和网络结构，其特征在于，所述浮点规格化操作部分在进行调整指数时，采用一个8位加法器，两个输入操作数分别是指数最大值Emax以及规格化移位距离，指数加法与尾数规格化移位并行完成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010162375XA CN101847087B (zh) | 2010-04-28 | 2010-04-28 | 一种支持定浮点可重构的横向求和网络结构 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201010162375XA CN101847087B (zh) | 2010-04-28 | 2010-04-28 | 一种支持定浮点可重构的横向求和网络结构 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101847087A true CN101847087A (zh) | 2010-09-29 |
| CN101847087B CN101847087B (zh) | 2012-03-28 |
Family
ID=42771714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201010162375XA Active CN101847087B (zh) | 2010-04-28 | 2010-04-28 | 一种支持定浮点可重构的横向求和网络结构 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101847087B (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520903A (zh) * | 2011-12-13 | 2012-06-27 | 中国科学院自动化研究所 | 支持定浮点可重构的长度可配置的向量最大/最小值网络 |
| CN102520906A (zh) * | 2011-12-13 | 2012-06-27 | 中国科学院自动化研究所 | 支持定浮点可重构的向量长度可配置的向量点积累加网络 |
| WO2013155745A1 (en) * | 2012-04-20 | 2013-10-24 | Huawei Technologies Co., Ltd. | System and method for a floating-point format for digital signal processors |
| CN106415483A (zh) * | 2014-03-06 | 2017-02-15 | 甲骨文国际公司 | 具有对可变长度数的支持的浮点单元 |
| CN106970775A (zh) * | 2017-03-27 | 2017-07-21 | 南京大学 | 一种可重构定浮点通用加法器 |
| CN107256140A (zh) * | 2017-06-09 | 2017-10-17 | 上海联影医疗科技有限公司 | 实现基于硬件加速的非标准浮点数重建算法的方法和设备 |
| CN107305485A (zh) * | 2016-04-25 | 2017-10-31 | 北京中科寒武纪科技有限公司 | 一种用于执行多个浮点数相加的装置及方法 |
| CN108009625A (zh) * | 2016-11-01 | 2018-05-08 | 北京深鉴科技有限公司 | 人工神经网络定点化后的微调方法和装置 |
| CN108255777A (zh) * | 2018-01-19 | 2018-07-06 | 中国科学院电子学研究所 | 用于fpga的嵌入式浮点型dsp硬核结构 |
| CN109977701A (zh) * | 2019-04-01 | 2019-07-05 | 苏州中晟宏芯信息科技有限公司 | 一种定浮点运算装置 |
| CN110688086A (zh) * | 2019-09-06 | 2020-01-14 | 西安交通大学 | 一种可重构的整型-浮点加法器 |
| CN111104091A (zh) * | 2019-12-12 | 2020-05-05 | 北京科技大学 | 一种动态浮点误差分析中精度特定计算的检测和转换方法 |
| CN111258538A (zh) * | 2020-01-13 | 2020-06-09 | 电子科技大学 | 一种基于fpga的大位宽的高性能加法器结构 |
| CN111538473A (zh) * | 2020-04-27 | 2020-08-14 | 西安交通大学 | 一种Posit浮点数处理器 |
| CN112130805A (zh) * | 2020-09-22 | 2020-12-25 | 腾讯科技（深圳）有限公司 | 包括浮点加法器的芯片、设备及浮点运算的控制方法 |
| CN112463113A (zh) * | 2020-12-02 | 2021-03-09 | 中国电子科技集团公司第五十八研究所 | 浮点加法单元 |
| CN113625989A (zh) * | 2021-07-16 | 2021-11-09 | 深圳云天励飞技术股份有限公司 | 数据运算装置、方法、电子设备及存储介质 |
| WO2022111014A1 (zh) * | 2020-11-27 | 2022-06-02 | 中科寒武纪科技股份有限公司 | 累加装置、方法及可读存储介质 |
| WO2023124235A1 (zh) * | 2021-12-29 | 2023-07-06 | 腾讯科技（深圳）有限公司 | 多输入浮点数处理方法、装置、处理器及计算机设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007257269A (ja) * | 2006-03-23 | 2007-10-04 | Fujitsu Ltd | 浮動小数点データの総和演算処理方法及びコンピュータシステム |
| CN101506771A (zh) * | 2006-08-18 | 2009-08-12 | 高通股份有限公司 | 多级浮点累加器 |
| CN101650642A (zh) * | 2009-09-11 | 2010-02-17 | 杭州中天微系统有限公司 | 基于补码舍入的浮点加法装置 |
-
2010
- 2010-04-28 CN CN201010162375XA patent/CN101847087B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007257269A (ja) * | 2006-03-23 | 2007-10-04 | Fujitsu Ltd | 浮動小数点データの総和演算処理方法及びコンピュータシステム |
| CN101506771A (zh) * | 2006-08-18 | 2009-08-12 | 高通股份有限公司 | 多级浮点累加器 |
| CN101650642A (zh) * | 2009-09-11 | 2010-02-17 | 杭州中天微系统有限公司 | 基于补码舍入的浮点加法装置 |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102520903B (zh) * | 2011-12-13 | 2014-07-23 | 中国科学院自动化研究所 | 支持定浮点可重构的长度可配置的向量最大/最小值网络 |
| CN102520906A (zh) * | 2011-12-13 | 2012-06-27 | 中国科学院自动化研究所 | 支持定浮点可重构的向量长度可配置的向量点积累加网络 |
| CN102520903A (zh) * | 2011-12-13 | 2012-06-27 | 中国科学院自动化研究所 | 支持定浮点可重构的长度可配置的向量最大/最小值网络 |
| US9792087B2 (en) | 2012-04-20 | 2017-10-17 | Futurewei Technologies, Inc. | System and method for a floating-point format for digital signal processors |
| WO2013155745A1 (en) * | 2012-04-20 | 2013-10-24 | Huawei Technologies Co., Ltd. | System and method for a floating-point format for digital signal processors |
| US10324688B2 (en) | 2012-04-20 | 2019-06-18 | Futurewei Technologies, Inc. | System and method for a floating-point format for digital signal processors |
| CN106415483A (zh) * | 2014-03-06 | 2017-02-15 | 甲骨文国际公司 | 具有对可变长度数的支持的浮点单元 |
| CN106415483B (zh) * | 2014-03-06 | 2020-12-29 | 甲骨文国际公司 | 具有对可变长度数的支持的浮点单元 |
| CN107305485A (zh) * | 2016-04-25 | 2017-10-31 | 北京中科寒武纪科技有限公司 | 一种用于执行多个浮点数相加的装置及方法 |
| CN107305485B (zh) * | 2016-04-25 | 2021-06-08 | 中科寒武纪科技股份有限公司 | 一种用于执行多个浮点数相加的装置及方法 |
| CN108009625A (zh) * | 2016-11-01 | 2018-05-08 | 北京深鉴科技有限公司 | 人工神经网络定点化后的微调方法和装置 |
| CN106970775A (zh) * | 2017-03-27 | 2017-07-21 | 南京大学 | 一种可重构定浮点通用加法器 |
| CN107256140A (zh) * | 2017-06-09 | 2017-10-17 | 上海联影医疗科技有限公司 | 实现基于硬件加速的非标准浮点数重建算法的方法和设备 |
| CN108255777B (zh) * | 2018-01-19 | 2021-08-06 | 中国科学院电子学研究所 | 用于fpga的嵌入式浮点型dsp硬核结构 |
| CN108255777A (zh) * | 2018-01-19 | 2018-07-06 | 中国科学院电子学研究所 | 用于fpga的嵌入式浮点型dsp硬核结构 |
| CN109977701A (zh) * | 2019-04-01 | 2019-07-05 | 苏州中晟宏芯信息科技有限公司 | 一种定浮点运算装置 |
| CN110688086A (zh) * | 2019-09-06 | 2020-01-14 | 西安交通大学 | 一种可重构的整型-浮点加法器 |
| CN111104091B (zh) * | 2019-12-12 | 2021-11-26 | 北京科技大学 | 一种动态浮点误差分析中精度特定计算的检测和转换方法 |
| CN111104091A (zh) * | 2019-12-12 | 2020-05-05 | 北京科技大学 | 一种动态浮点误差分析中精度特定计算的检测和转换方法 |
| CN111258538A (zh) * | 2020-01-13 | 2020-06-09 | 电子科技大学 | 一种基于fpga的大位宽的高性能加法器结构 |
| CN111538473A (zh) * | 2020-04-27 | 2020-08-14 | 西安交通大学 | 一种Posit浮点数处理器 |
| CN111538473B (zh) * | 2020-04-27 | 2023-05-30 | 西安交通大学 | 一种Posit浮点数处理器 |
| CN112130805A (zh) * | 2020-09-22 | 2020-12-25 | 腾讯科技（深圳）有限公司 | 包括浮点加法器的芯片、设备及浮点运算的控制方法 |
| CN112130805B (zh) * | 2020-09-22 | 2024-05-24 | 腾讯科技（深圳）有限公司 | 包括浮点加法器的芯片、设备及浮点运算的控制方法 |
| WO2022111014A1 (zh) * | 2020-11-27 | 2022-06-02 | 中科寒武纪科技股份有限公司 | 累加装置、方法及可读存储介质 |
| CN112463113A (zh) * | 2020-12-02 | 2021-03-09 | 中国电子科技集团公司第五十八研究所 | 浮点加法单元 |
| CN113625989A (zh) * | 2021-07-16 | 2021-11-09 | 深圳云天励飞技术股份有限公司 | 数据运算装置、方法、电子设备及存储介质 |
| CN113625989B (zh) * | 2021-07-16 | 2024-06-28 | 深圳云天励飞技术股份有限公司 | 数据运算装置、方法、电子设备及存储介质 |
| WO2023124235A1 (zh) * | 2021-12-29 | 2023-07-06 | 腾讯科技（深圳）有限公司 | 多输入浮点数处理方法、装置、处理器及计算机设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101847087B (zh) | 2012-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101847087B (zh) | 一种支持定浮点可重构的横向求和网络结构 | |
| CN102520906A (zh) | 支持定浮点可重构的向量长度可配置的向量点积累加网络 | |
| CN102103479B (zh) | 浮点运算器及浮点运算的处理方法 | |
| CN101692202B (zh) | 一种64比特浮点乘加器及其浮点运算流水节拍处理方法 | |
| CN101133389B (zh) | 多用途乘法-加法功能单元 | |
| CN108287681A (zh) | 一种单精度浮点融合点乘运算单元 | |
| CN102520903B (zh) | 支持定浮点可重构的长度可配置的向量最大/最小值网络 | |
| CN108255777B (zh) | 用于fpga的嵌入式浮点型dsp硬核结构 | |
| CN106406810A (zh) | 微处理器及其方法 | |
| CN110221808A (zh) | 向量乘加运算的预处理方法、乘加器及计算机可读介质 | |
| US9274750B2 (en) | System and method for signal processing in digital signal processors | |
| CN101452571A (zh) | 积和熔加功能单元 | |
| CN102566967B (zh) | 一种采用多级流水线结构的高速浮点运算器 | |
| Choi et al. | Energy-efficient design of processing element for convolutional neural network | |
| CN110688086A (zh) | 一种可重构的整型-浮点加法器 | |
| CN102576302B (zh) | 微处理器及用于微处理器上增强精确度乘积和计算的方法 | |
| CN101082860A (zh) | 一种乘累加装置 | |
| Murillo et al. | Energy-efficient MAC units for fused posit arithmetic | |
| KR102481418B1 (ko) | 단일 곱셈-누산 방법 및 장치 | |
| CN117111881B (zh) | 支持多输入多格式的混合精度乘加运算器 | |
| CN101840324B (zh) | 支持复数运算和子字并行的64位定浮点乘法器 | |
| CN116594590A (zh) | 一种浮点数据的多功能运算装置及方法 | |
| CN117648959B (zh) | 支持神经网络运算的多精度操作数运算装置 | |
| CN114021710A (zh) | 利用比特级稀疏性的深度学习卷积加速方法及处理器 | |
| CN116627379A (zh) | 可重构的支持多精度浮点或定点运算的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20171207 Address after: 102412 Beijing City, Fangshan District Yan Village Yan Fu Road No. 1 No. 11 building 4 layer 402 Patentee after: Beijing Si Lang science and Technology Co.,Ltd. Address before: 100080 Zhongguancun East Road, Beijing, No. 95, No. Patentee before: Institute of Automation, Chinese Academy of Sciences |
|
| CP03 | Change of name, title or address |
Address after: 201306 building C, No. 888, Huanhu West 2nd Road, Lingang New District, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Patentee after: Shanghai Silang Technology Co.,Ltd. Address before: 102412 room 402, 4th floor, building 11, No. 1, Yanfu Road, Yancun Town, Fangshan District, Beijing Patentee before: Beijing Si Lang science and Technology Co.,Ltd. |
|
| CP03 | Change of name, title or address |