CN115796254A - 数据处理方法、装置、芯片、设备及介质 - Google Patents

Abstract

本公开提供了一种数据处理方法、装置、芯片、设备及介质，涉及计算机技术领域，尤其涉及人工智能及芯片技术领域。实现方案为：响应于接收到符合第一预设条件的多个程序读取指令，在多个运算单元中确定多个第一运算单元；转发多个程序读取指令，以使多个第一运算单元中的每个第一运算单元获取并执行相应的程序；响应于接收到分别来自于多个第一运算单元的多个第一数据读取指令，将多个第一数据读取指令合并为第二数据读取指令；以及基于第二数据读取指令，获取数据读取地址中的数据，以将数据分别发送给多个第一运算单元。

Description

数据处理方法、装置、芯片、设备及介质

技术领域

本公开涉及计算机技术领域，尤其涉及人工智能及芯片技术领域，具体涉及一种数据处理方法、装置、芯片、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

神经网络被广泛应用于多种人工智能场景中，如语音识别，图像识别，自然语言处理等。由于神经网络的运算过程中涉及大量的矩阵乘、卷积等操作，专门用于加速这些操作的神经网络处理器(Neural Processing Unit，NPU)可以显著提高各种人工智能应用的处理速度，并逐渐得到越来越广泛的应用。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种数据处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种数据处理方法，用于包括多个运算单元的处理器中，包括：响应于接收到符合第一预设条件的多个程序读取指令，在多个运算单元中确定多个第一运算单元，其中，多个程序读取指令分别来自于多个第一运算单元，第一预设条件包括接收多个程序读取指令中的第一个指令和最后一个指令之间的时间差小于第一预设时间并且多个程序读取指令具有相同的程序读取地址；转发多个程序读取指令，以使多个第一运算单元中的每个第一运算单元获取并执行相应的程序，程序中包括数据读取指令；响应于接收到分别来自于多个第一运算单元的多个第一数据读取指令，将多个第一数据读取指令合并为第二数据读取指令，其中，多个第一数据读取指令以及第二数据读取指令具有相同的数据读取地址；以及基于第二数据读取指令，获取数据读取地址中的数据，以将数据分别发送给多个第一运算单元。

根据本公开的另一方面，提供了一种数据处理装置，用于包括多个运算单元的处理器中，包括：确定单元，被配置为响应于接收到符合第一预设条件的多个程序读取指令，在多个运算单元中确定多个第一运算单元，其中，多个程序读取指令分别来自于多个第一运算单元，第一预设条件包括接收多个程序读取指令中的第一个指令和最后一个指令之间的时间差小于第一预设时间并且多个程序读取指令具有相同的程序读取地址；转发单元，被配置为转发多个程序读取指令，以使多个第一运算单元中的每个第一运算单元获取并执行相应的程序，程序中包括数据读取指令；合并单元，被配置为响应于接收到分别来自于多个第一运算单元的多个第一数据读取指令，将多个第一数据读取指令合并为第二数据读取指令，其中，多个第一数据读取指令以及第二数据读取指令具有相同的数据读取地址；以及获取单元，被配置为基于第二数据读取指令，获取数据读取地址中的数据，以将数据分别发送给多个第一运算单元。

根据本公开的另一方面，提供了一种芯片，包括上述数据处理装置。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述数据处理方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述数据处理方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述数据处理方法。

根据本公开的一个或多个实施例，能够在读取重复数据时节省芯片(如神经网络处理器)对DRAM(Dynamic Random Access Memory，动态随机访问存储器)的数据访问量的同时，支持运算单元的动态分配，避免将重复数据发送至不需要这些数据的运算单元中。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的数据处理方法的流程图；

图3示出了基于神经网络处理器执行矩阵乘法计算的示意图；

图4示出了根据本公开的示例性实施例的处理器的结构框图；

图5示出了根据本公开的实施例的访存合并单元的结构框图；

图6示出了根据本公开的实施例的多个第一运算单元的确定方法的流程图；

图7示出了根据本公开的实施例的多个第一运算单元的确定方法的流程图；

图8示出了根据本公开的实施例的第二数据读取指令的合并方法的流程图；

图9示出了根据本公开的实施例的数据处理装置的结构框图；

图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

NPU内部都会集成大量可并发工作的运算单元，可快速完成面向矩阵、向量的各种计算。在很多实际业务场景中，运算单元通过片上网络访问内存控制器获取数据并完成计算。片上网络(Network on Chip，NOC)根据请求的地址将每个运算单元的请求发给对应的内存控制器，再由内存控制器给DRAM存储发命令完成数据访问。

由于DRAM存储位于NPU片外，数据带宽受到印制电路板上走线限制，远不如运算单元和NOC之间可实现的带宽。所以从DRAM搬运数据经常成为整个运算过程最耗时的部分，也成为系统整体性能瓶颈。

相关技术中，为了改善访存带宽的瓶颈问题，在软硬件方面尝试了各种减少访存数据量的方法，包括将可能重复访问的数据放在高速缓存中，以及通过软硬件联合的方法完成访存数据的广播等。

其中，通过片上缓存改善访存的方法，虽不用做额外的调整，但是需要一块比较大的缓存存放重复矩阵，硬件开销较大，并且读取重复矩阵时占用的空间也可能会影响缓存中其他数据的驻留，降低访问其他数据的命中率；通过广播模块改善访存的方法以及多播同步模块改善访存的方法，则无法解决只有部分运算单元需要广播(考虑NPU上资源的划分，软件执行时会动态的分配NPU上部分的运算单元，而这个信息在写程序时是无法获悉的)时的场景。

根据本公开的实施例，提供了一种数据处理方法，通过对运算单元读取指令的请求进行监控，并响应于多个运算单元在预设时间内读取相同的指令，则将该多个运算单元合并为一组；随后进一步监控该组内每个运算单元读取数据的指令，响应于接收到组内所有单元读取重复数据的指令后，将读取指令合并发送给片上网络，并将读取到的数据分别发送给组内的各个运算单元。由此，能够在读取重复数据时节省芯片(如神经网络处理器)对DRAM的数据访问量的同时，支持运算单元的动态分配，避免将重复数据发送至不需要这些数据的运算单元中。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行上述数据处理方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供其他服务或软件应用，这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来向处理器下达任务。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

图2示出了根据本公开的实施例的数据处理方法200的流程图。

根据本公开的实施例，方法200可以用于包括多个运算单元的处理器中，并且如图2所示，方法200包括：

步骤S201、响应于接收到符合第一预设条件的多个程序读取指令，在多个运算单元中确定多个第一运算单元，其中，多个程序读取指令分别来自于多个第一运算单元，第一预设条件包括接收多个程序读取指令中的第一个指令和最后一个指令之间的时间差小于第一预设时间并且多个程序读取指令具有相同的程序读取地址；

步骤S202、转发多个程序读取指令，以使多个第一运算单元中的每个第一运算单元获取并执行相应的程序，程序中包括数据读取指令；

步骤S203、响应于接收到分别来自于多个第一运算单元的多个第一数据读取指令，将多个第一数据读取指令合并为第二数据读取指令，其中，多个第一数据读取指令以及第二数据读取指令具有相同的数据读取地址；以及

步骤S204、基于第二数据读取指令，获取数据读取地址中的数据，以将数据分别发送给多个第一运算单元。

由此，通过对运算单元读取指令的请求进行监控，并响应于多个运算单元在预设时间内读取相同的指令，则将该多个运算单元合并为一组；随后进一步监控该组内每个运算单元读取数据的指令，响应于接收到组内所有单元读取重复数据的指令后，将读取指令合并发送给片上网络，并将读取到的数据分别发送给组内的各个运算单元。由此，能够在读取重复数据时节省芯片(如神经网络处理器)对DRAM的数据访问量的同时，支持运算单元的动态分配，避免将重复数据发送至不需要这些数据的运算单元中。

在一些实施例中，处理器可以是神经网络处理器(Neural Processing Unit，NPU)，也可以是任一种具备多个运算单元的处理芯片，在此不做限制。以下将以NPU为例，对本公开的实施例所提供的方法进行详述。

图3示出了基于神经网络处理器执行矩阵乘法计算的示意图。

以图3为例，在NPU进行矩阵乘法时，会将整个运算切分到例如四个运算单元上，其中，对于矩阵A，四个运算单元各读取1/4；对于矩阵C，四个运算单元各写入1/4；而矩阵B则需要被所有运算单元分别读取一遍。

可以看出，上述运算过程中，矩阵B的每个数据都要被每个运算单元读取1遍，这个例子中就要读取4次。如果只从DRAM存储中读取一遍矩阵B，并在片上分发给4个运算单元，就可以显著减少运算过程中访问DRAM的数据量。上述矩阵B即可作为重复矩阵或重复数据，可以通过改进对重复矩阵的读取操作来改善DRAM带宽瓶颈。

相关技术中，主要通过将可能重复访问的数据放在高速缓存中，以及通过软硬件联合的方法完成访存数据的广播等方式对上述问题进行改善。其中，通过片上缓存改善访存的方法，虽不用做额外的调整，但是需要一块比较大的缓存存放重复矩阵，硬件开销较大，并且读取重复矩阵时占用的空间也可能会影响缓存中其他数据的驻留，降低访问其他数据的命中率；而通过广播模块改善访存的方法以及多播同步模块改善访存的方法，无法在运算单元动态分配的场景中进行应用。

具体而言，在编写NPU程序处理计算任务时，一般来说程序分块的运算单元数目，程序执行时调用NPU的运算单元数目，以及NPU内部包含的运算单元数目，三者并不总是一致的。因为NPU常常会并行处理多个任务，在实际下发任务的时候，NPU会根据当前运算单元的状态决定新任务分到哪几个运算单元进行执行。

在一些示例性实施例中，以图3所示的矩阵乘法任务为例，程序将该任务分成了4块进行计算，同时NPU内部一般有4个运算单元，但在实际下发任务时，可能仅有其中2个运算单元处于空闲状态，此时只会对这2个运算单元进行该任务的下发，也即，这2个运算单元中的每个运算单元实际均需要依次处理2个分块，才能完成矩阵计算。详细计算过程可以为：

1)主机端下发矩阵乘法程序给NPU，并标记cu_num＝4，以表示该程序被分成了4块计算；

2)NPU的任务调度模块检测到4个运算单元中的运算单元1和运算单元2处于空闲状态，则确定将任务分配给这两个单元；

3)任务调度模块首先下发分块参数cu_idx＝0，cu_num＝4，以及程序代码在DRAM的地址给运算单元1，以使运算单元1执行第一分块的计算；同时，下发分块参数cu_idx＝1，cu_num＝4，以及程序代码在DRAM的地址给运算单元2，以使运算单元2执行第二分块的计算；

4)运算单元1根据地址取得程序代码，并根据配置的分块参数cu_idx＝0执行分块A[0]*B的计算以得到C[0]；

5)运算单元2根据地址取得程序代码，并根据配置的分块参数cu_idx＝1执行分块A[1]*B的计算以得到C[1]；

6)任务调度模块收到运算单元1完成计算的信号后，下发分块参数cu_idx＝2，cu_num＝4，以及程序代码在DRAM的地址给运算单元1，以使运算单元1执行第三分块的计算；

7)运算单元1根据地址取得程序代码，并根据配置的分块参数cu_idx＝2执行分块A[2]*B的计算以得到C[2]；

8)任务调度模块收到运算单元2完成计算的信号，下发分块参数cu_idx＝3，cu_num＝4，以及程序代码在DRAM的地址给运算单元2，以使运算单元2执行第四分块的计算；

9)运算单元2根据地址取得程序代码，并根据配置的分块参数cu_idx＝3执行分块A[3]*B的计算以得到C[3]；

10)任务调度模块收到运算单元1和运算单元2完成计算的信号后，即可确认4个分块都已完成计算，并通知主机端任务完成。

而对于上述仅部分运算单元执行同一任务的场景，通过广播模块改善访存的方法以及多播同步模块改善访存的方法，由于无法确认

图4示出了根据本公开的示例性实施例的处理器的结构框图。

如图4所示，处理器400例如可以是一个神经网络处理器，包括任务调度单元410、4个运算单元420、访存合并单元430、片上网络440以及3个内存控制器450，并且处理器400通过3个内存控制器450与片外的多个DRAM存储器连接，以读取其中存储的数据。

在一些实施例中，可以基于访存合并单元430执行本公开的数据处理方法。具体而言，访存合并单元430可以被设置在运算单元和片上网络之间，并应用其对运算单元读取指令的请求进行监控，并响应于多个运算单元在预设时间内读取相同的指令，则将该多个运算单元合并为一组；随后，访存合并单元430可以进一步监控该组内每个运算单元读取数据的指令，响应于接收到组内所有单元读取重复数据的指令后，将读取指令合并发送给片上网络，并将读取到的数据分别发送给组内的各个运算单元。

图5示出了根据本公开的实施例的访存合并单元的结构框图。

如图5所示，访存合并单元430中可以包括监控模块431、记录模块432以及合并模块433。

在一些实施例中，当处理器400启动后开始执行第一个任务时，首先可以基于监控模块431对每个运算单元所发送的程序读取指令进行检测，并且响应于第一预设时间内多个运算单元所发送的程序读取指令均用于读取相同地址的程序(也即多个程序读取指令中均包含相同的程序读取地址)，则监控模块431可以将发送上述程序读取指令的多个运算单元判断为多个第一运算单元，并将其记录在记录模块432中。

在一些实施例中，多个第一运算单元可以以运算组的形式被记录在处理器中。

在一些实施例中，监控模块431可以通过识别读取指令所具备的特殊标记来判断该读取指令是程序读取指令还是数据读取指令。

在一些实施例中，可以在编写程序代码阶段，分别对不同类型的指令分别设置不同的特殊标记，从而使监控模块通过检测该特殊标记，即可判断当前指令是否为程序读取指令。

在一些实施例中，对于已经执行了至少一个任务的处理器，监控模块431在对程序读取指令进行检测的同时，还可以进一步判断发送该指令的运算单元是否属于现有的运算组，或该程序读取指令对应的程序读取地址是否与现有运算组所对应的程序读取地址相同。

图6示出了根据本公开的实施例的多个第一运算单元的确定方法600的流程图。根据一些实施例，方法600包括：

步骤S601、接收由多个运算单元中的第二运算单元发送的第一程序读取指令，第一程序读取指令包括第一程序读取地址；

步骤S602、响应于第二运算单元不属于任一前序运算组，并且第一程序读取指令符合第二预设条件，新建第一运算组，其中，第二运算单元被确定为第一运算组中的一个第一运算单元，第一运算组与第一程序读取地址对应，第二预设条件包括下述中的至少一者：第一程序读取地址与任一前序运算组对应的程序读取地址不相同，以及接收到第一程序读取指令的时刻与接收到前序程序读取指令的时刻大于第二预设时间；

步骤S603、接收由多个运算单元中的第三运算单元发送的第二程序读取指令，第二程序读取指令包括第二程序读取地址；以及

步骤S604、响应于第三运算单元不属于任一前序运算组，并且第二程序读取指令符合第三预设条件，将第三运算单元添加到第一运算组中，以作为第一运算组中的一个第一运算单元，其中，第三预设条件包括接收到第二程序读取指令和第一程序读取指令的时间差小于第一预设时间并且第二程序读取地址与第一程序读取地址相同。

继续参考图5，在一些实施例中，监控模块431在接收到一个程序读取指令后，首先可以判断其相应的运算单元是否属于前序创建的运算组(也即已经创建在记录模块432中的运算组)，若不属于前序运算组，并且该程序读取指令对应的地址与前序运算组对应的地址不同和/或接收到该指令的时间与前序运算组中最后一个程序读取指令对应的接收时间之间的时间差超过第二预设时间，则此时监控模块431可以判断当前程序读取指令符合第二预设条件，并在记录模块432中新建一个运算组，并将该运算单元和该指令对应的程序读取指令记录在该运算组的关联信息中。

在一些实施例中，响应于在第一预设时间内，监控模块431接收到另一个或多个运算单元发送的用于读取相同程序的程序读取指令，并且该一个或多个运算单元也不属于前序运算组，则可以将该一个或多个运算单元添加到上述新建的运算组中。

由此，能够避免同一运算单元重复出现在不同的运算组中而导致的数据传输混乱。

图7示出了根据本公开的实施例的多个第一运算单元的确定方法700的流程图。

根据一些实施例，如图7所示，方法700包括：

步骤S701、接收由多个运算单元中的第四运算单元发送的第三程序读取指令，第三程序读取指令包括第三程序读取地址；

步骤S702、响应于第四运算单元属于第一前序运算组，删除关于第一前序运算组的记录；以及

步骤S703、新建第二运算组，其中，第二运算组包括第四运算单元，第二运算组与第三程序读取地址对应。

继续参考图4和图5，在一些实施例中，当监控模块431判断当前接收到的程序读取指令对应的运算单元属于某一前序运算组时，则可以首先将该前序运算组的记录从记录模块432中删除，随后新建一个运算组。由此，在任务调度单元为运算单元下发新一轮任务后，能够基于新任务进行重新建组，实现运算组的动态调整。

在进行上述判断以及运算组的创建和添加后，监控模块431即可将该程序读取指令直接转发给片上网络440，以使片上网络440将指令发送至相应的内存控制器450，以从相应的地址中读取该程序，并发送给相应的运算单元，该运算单元收到程序后，即可开始执行该程序，并读取相应的数据。

图8示出了根据本公开的实施例的第二数据读取指令的合并方法800的流程图。

根据一些实施例，如图8所示，方法800包括：

步骤S801、接收来自于第一运算组的数据读取指令；

步骤S802、响应于检测到数据读取指令包括重复数据标记，将数据读取指令确定为第一数据读取指令，重复数据标记指示数据读取指令用于获取的数据为多个第一运算单元均需获取的数据；

步骤S803、创建第一记录，第一记录包括第一数据读取指令对应的数据读取地址以及第一运算单元；

步骤S804、响应于接收到第一运算组中的其余第一运算单元发送的包括数据读取地址的第一数据读取指令，在第一记录中添加相应的第一运算单元，直至第一记录中包括第一运算组中的全部第一运算单元；以及

步骤S805、生成第二数据读取指令，第二数据读取指令用于获取数据读取地址中的数据。

由此，通过添加一条第一记录，并通过该条记录确定已发送重复数据读取指令(第一数据读取指令)的第一运算单元，当确定已收到组内所有第一运算单元，则生成合并后的数据读取指令，从而能够通过该第一记录，确定生成并发送合并读取指令的时机。

继续参考图4和图5，在一些实施例中，可以通过合并模块433接收来自于每个运算单元的数据读取指令。合并模块433可以检测数据读取指令是否为用于读取重复数据的指令，当判断其为重复数据读取指令时，则可以在记录模块432中检查该指令对应的运算单元所属的运算组，当其属于某个运算组时，则可以在该运算组的关联信息中检查该运算组中的其他运算单元是否已经发送了相同的重复数据读取指令。

当该运算组中的其他运算单元还未发送该指令时，则可以在该运算组的关联信息中创建一条记录，并将该重复数据读取指令对应的数据读取地址以及读取该地址的运算单元记录在该条记录中；随后，当收到该运算组中另一运算单元发送的该重复数据读取指令时，即可直接将该运算单元添加到该条记录中。

当合并模块433通过该记录，检测到该运算组中的全部运算单元均已发送该重复数据读取指令后，则可以生成一个用于读取该重复数据的指令，发送给片上网络440，以使片上网络440将指令发送至相应的内存控制器450，以从相应的地址中读取该重复数据，并返回至合并模块433；合并模块433基于上述记录，即可将该数据分别发送给记录中的每个运算单元(也即该运算组中的每个运算单元)。

在一些实施例中，合并模块433可以通过识别数据读取指令所具备的特殊标记来判断该数据读取指令是否用于读取重复数据。

在一些实施例中，在编写程序代码阶段，即可对需要重复获取的数据打上重复数据标记，从而使合并模块433通过检测该标记，即可判断当前指令是否为重复数据读取指令。

根据一些实施例，上述数据处理方法还可以包括：响应于将数据分别发送至多个第一运算单元，删除第一记录。

由此，当合并模块433获取到重复数据并将其分发给各个第一运算单元后，即可将第一记录删除。从而能够在后续需要获取其他重复数据时，进行重新记录，以重新确定生成并发送合并读取指令的时机。

在一些实施例中，当合并模块433接收到运算单元发送的普通的数据请求指令时(也即不具备重复数据标记的数据请求指令)，则可对其直接进行转发，以读取相应的数据。

在一些示例性实施例中，继续以上述图3所示的矩阵乘法任务为例，其中，对重复数据读取请求进行合并的处理过程可以包括：

1)主机端下发矩阵乘法程序给NPU，并标记cu_num＝4，以表示该程序被分成了4块计算；

2)NPU的任务调度模块发现运算单元1和运算单元2是空闲的，决定把任务分给这两个单元；

3)任务调度模块下发分块参数cu_idx＝0，cu_num＝4，以及程序代码在DRAM的地址给运算单元1，下发分块参数cu_idx＝1，cu_num＝4，以及程序代码在DRAM的地址给运算单元2；

4)运算单元1读地址a去取程序代码，并给请求带上读指令标记，访存合并模块监控到之后新创建运算组(运算单元1，地址a)，并转发请求；

5)运算单元1取得程序代码开始执行，并根据配置的分块参数计算A[0]*B得到C[0]；

6)运算单元2读地址a去取程序代码，并给请求带上读指令标记，访存合并模块监控到之后调整运算组(运算单元1，运算单元2，地址a)，并转发请求；

7)运算单元2根据地址取得程序代码开始执行，并根据配置的分块参数计算A[1]*B得到C[1]；

8)运算单元1读地址b去重复矩阵，并给请求带上重复矩阵标记，访存合并模块看到后检查可合并运算单元，确认运算单元1属于一个运算组，在该组内增加一个记录(地址b，运算单元1)；

9)运算单元2读地址b去重复矩阵，并给请求带上重复矩阵标记，访存合并模块看到后检查可合并运算单元，确认运算单元2属于一个运算组，且在该组内已经有一个地址b的记录，调整为(地址b，运算单元1，运算单元2)；

10)因为收到了运算组内的全部运算单元(运算单元1和2)访问地址b的请求，访存合并模块发出访问地址b的请求给片上网络；

11)访存合并模块收到请求数据，删除地址b的记录并把数据返回给运算单元1和2；

12)任务调度模块收到运算单元1完成计算的信号，下发分块参数cu_idx＝2，cu_num＝4，以及程序代码在DRAM的地址给运算单元1；

13)运算单元1读地址a去取程序代码，并给请求带上读指令标记，访存合并模块监控到之后删除之前的运算组，新创建运算组(运算单元1，地址a)，并转发请求；

14)运算单元1取得程序代码开始执行，并根据配置的分块参数计算A[2]*B得到C[2]；

15)随后，执行与步骤6-步骤11类似的方法，直到运算单元1和2完成了所分配的第3、4个分块任务，并向任务调度模块反馈相应的信号，并由任务调度模块通知主机端任务完成。

通过本公开的一个或多个实施例，上述数据处理方法相较于相关技术中的方案，能够在多个运算单元访问同一个重复矩阵时，只需要从DRAM读取一遍，节省了DRAM的数据访问量，改善了大多数时候的访存瓶颈问题；并且，上述方法无需额外的硬件缓存资源来存储从DRAM取到的数据，硬件开销小；进一步，上述方法只需对两种特殊的读取请求打上相应的标记，对运算单元执行的程序本身无需修改，运算单元硬件上改动也很小；此外，上述方法支持NPU系统动态调度运算单元的场景，能够实时判断有哪几个运算单元可以通过重复矩阵的请求合并优化访存，无需软件干预。

根据本公开的另一方面，提供了一种数据处理装置。图9示出了根据本公开示例性实施例的数据处理装置900的结构框图。如图9所示，装置900包括：

确定单元910，被配置为响应于接收到符合第一预设条件的多个程序读取指令，在多个运算单元中确定多个第一运算单元，其中，多个程序读取指令分别来自于多个第一运算单元，第一预设条件包括接收多个程序读取指令中的第一个指令和最后一个指令之间的时间差小于第一预设时间并且多个程序读取指令具有相同的程序读取地址；

转发单元920，被配置为转发多个程序读取指令，以使多个第一运算单元中的每个第一运算单元获取并执行相应的程序，程序中包括数据读取指令；

合并单元930，被配置为响应于接收到分别来自于多个第一运算单元的多个第一数据读取指令，将多个第一数据读取指令合并为第二数据读取指令，其中，多个第一数据读取指令以及第二数据读取指令具有相同的数据读取地址；以及

获取单元940，被配置为基于第二数据读取指令，获取数据读取地址中的数据，以将数据分别发送给多个第一运算单元。

其中，数据处理装置900的单元910-单元940的操作与方法200中的步骤S201-步骤S204的操作类似，在此不作赘述。

根据一些实施例，多个第一运算单元以运算组的形式被记录在处理器中，确定单元910可以包括：第一接收子单元，被配置为接收由多个运算单元中的第二运算单元发送的第一程序读取指令，第一程序读取指令包括第一程序读取地址；第一新建子单元，被配置为响应于第二运算单元不属于任一前序运算组，并且第一程序读取指令符合第二预设条件，新建第一运算组，其中，第二运算单元被确定为第一运算组中的一个第一运算单元，第一运算组与第一程序读取地址对应，第二预设条件包括下述中的至少一者：第一程序读取地址与任一前序运算组对应的程序读取地址不相同，以及接收到第一程序读取指令的时刻与接收到前序程序读取指令的时刻大于第二预设时间；第二接收子单元，被配置为接收由多个运算单元中的第三运算单元发送的第二程序读取指令，第二程序读取指令包括第二程序读取地址；以及第一添加子单元，被配置为响应于第三运算单元不属于任一前序运算组，并且第二程序读取指令符合第三预设条件，将第三运算单元添加到第一运算组中，以作为第一运算组中的一个第一运算单元，其中，第三预设条件包括接收到第二程序读取指令和第一程序读取指令的时间差小于第一预设时间并且第二程序读取地址与第一程序读取地址相同。

根据一些实施例，确定单元910还可以包括：第三接收子单元，被配置为接收由多个运算单元中的第四运算单元发送的第三程序读取指令，第三程序读取指令包括第三程序读取地址；删除子单元，被配置为响应于第四运算单元属于第一前序运算组，删除关于第一前序运算组的记录；以及第二新建子单元，被配置为新建第二运算组，其中，第二运算组包括第四运算单元，第二运算组与第三程序读取地址对应。

根据一些实施例，多个第一运算单元组成第一运算组，合并单元930可以包括：第四接收子单元，被配置为接收来自于第一运算组的数据读取指令；确定子单元，被配置为响应于检测到数据读取指令包括重复数据标记，将数据读取指令确定为第一数据读取指令，重复数据标记指示数据读取指令用于获取的数据为多个第一运算单元均需获取的数据；创建子单元，被配置为创建第一记录，第一记录包括第一数据读取指令对应的数据读取地址以及第一运算单元；第二添加子单元，被配置为响应于接收到第一运算组中的其余第一运算单元发送的包括数据读取地址的第一数据读取指令，在第一记录中添加相应的第一运算单元，直至第一记录中包括第一运算组中的全部第一运算单元；以及生成子单元，被配置为生成第二数据读取指令，第二数据读取指令用于获取数据读取地址中的数据。

根据一些实施例，上述数据处理装置还可以包括：删除单元，被配置为响应于将数据分别发送至多个第一运算单元，删除第一记录。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图10，现将描述可以作为本公开的服务器或客户端的电子设备1000的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图10所示，电子设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储电子设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

电子设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向电子设备1000输入信息的任何类型的设备，输入单元1006可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1007可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许电子设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如方法200。例如，在一些实施例中，方法200可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到电子设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的方法200的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法200。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (14)

1.一种数据处理方法，用于包括多个运算单元的处理器中，所述方法包括：

响应于接收到符合第一预设条件的多个程序读取指令，在所述多个运算单元中确定多个第一运算单元，其中，所述多个程序读取指令分别来自于所述多个第一运算单元，所述第一预设条件包括接收所述多个程序读取指令中的第一个指令和最后一个指令之间的时间差小于第一预设时间并且所述多个程序读取指令具有相同的程序读取地址；

转发所述多个程序读取指令，以使所述多个第一运算单元中的每个第一运算单元获取并执行相应的程序，所述程序中包括数据读取指令；

响应于接收到分别来自于所述多个第一运算单元的多个第一数据读取指令，将所述多个第一数据读取指令合并为第二数据读取指令，其中，所述多个第一数据读取指令以及所述第二数据读取指令具有相同的数据读取地址；以及

基于所述第二数据读取指令，获取所述数据读取地址中的数据，以将所述数据分别发送给所述多个第一运算单元。

2.根据权利要求1所述的方法，其中，所述多个第一运算单元以运算组的形式被记录在所述处理器中，所述响应于接收到符合第一预设条件的多个程序读取指令，在所述多个运算单元中确定多个第一运算单元包括：

接收由所述多个运算单元中的第二运算单元发送的第一程序读取指令，所述第一程序读取指令包括第一程序读取地址；

响应于所述第二运算单元不属于任一前序运算组，并且所述第一程序读取指令符合第二预设条件，新建第一运算组，其中，所述第二运算单元被确定为所述第一运算组中的一个第一运算单元，所述第一运算组与所述第一程序读取地址对应，所述第二预设条件包括下述中的至少一者：

所述第一程序读取地址与任一前序运算组对应的程序读取地址不相同，以及

接收到所述第一程序读取指令的时刻与接收到前序程序读取指令的时刻大于第二预设时间；

接收由所述多个运算单元中的第三运算单元发送的第二程序读取指令，所述第二程序读取指令包括第二程序读取地址；以及

响应于所述第三运算单元不属于任一前序运算组，并且所述第二程序读取指令符合第三预设条件，将所述第三运算单元添加到所述第一运算组中，以作为所述第一运算组中的一个第一运算单元，其中，所述第三预设条件包括接收到所述第二程序读取指令和所述第一程序读取指令的时间差小于所述第一预设时间并且所述第二程序读取地址与所述第一程序读取地址相同。

3.根据权利要求2所述的方法，其中，所述响应于接收到符合第一预设条件的多个程序读取指令，在所述多个运算单元中确定多个第一运算单元还包括：

接收由所述多个运算单元中的第四运算单元发送的第三程序读取指令，所述第三程序读取指令包括第三程序读取地址；

响应于所述第四运算单元属于第一前序运算组，删除关于所述第一前序运算组的记录；以及

新建第二运算组，其中，所述第二运算组包括所述第四运算单元，所述第二运算组与所述第三程序读取地址对应。

4.根据权利要求1-3中任一项所述的方法，其中，所述多个第一运算单元组成第一运算组，所述响应于接收到分别来自于所述多个第一运算单元的多个第一数据读取指令，将所述多个第一数据读取指令合并为第二数据读取指令包括：

接收来自于所述第一运算组的数据读取指令；

响应于检测到所述数据读取指令包括重复数据标记，将所述数据读取指令确定为第一数据读取指令，所述重复数据标记指示所述数据读取指令用于获取的数据为所述多个第一运算单元均需获取的数据；

创建第一记录，所述第一记录包括所述第一数据读取指令对应的数据读取地址以及第一运算单元；

响应于接收到所述第一运算组中的其余第一运算单元发送的包括所述数据读取地址的所述第一数据读取指令，在所述第一记录中添加相应的第一运算单元，直至所述第一记录中包括所述第一运算组中的全部第一运算单元；以及

生成所述第二数据读取指令，所述第二数据读取指令用于获取所述数据读取地址中的数据。

5.根据权利要求4所述的方法，还包括：

响应于将所述数据分别发送至所述多个第一运算单元，删除所述第一记录。

6.一种数据处理装置，用于包括多个运算单元的处理器中，所述装置包括：

确定单元，被配置为响应于接收到符合第一预设条件的多个程序读取指令，在所述多个运算单元中确定多个第一运算单元，其中，所述多个程序读取指令分别来自于所述多个第一运算单元，所述第一预设条件包括接收所述多个程序读取指令中的第一个指令和最后一个指令之间的时间差小于第一预设时间并且所述多个程序读取指令具有相同的程序读取地址；

转发单元，被配置为转发所述多个程序读取指令，以使所述多个第一运算单元中的每个第一运算单元获取并执行相应的程序，所述程序中包括数据读取指令；

合并单元，被配置为响应于接收到分别来自于所述多个第一运算单元的多个第一数据读取指令，将所述多个第一数据读取指令合并为第二数据读取指令，其中，所述多个第一数据读取指令以及所述第二数据读取指令具有相同的数据读取地址；以及

获取单元，被配置为基于所述第二数据读取指令，获取所述数据读取地址中的数据，以将所述数据分别发送给所述多个第一运算单元。

7.根据权利要求6所述的装置，其中，所述多个第一运算单元以运算组的形式被记录在所述处理器中，所述确定单元包括：

第一接收子单元，被配置为接收由所述多个运算单元中的第二运算单元发送的第一程序读取指令，所述第一程序读取指令包括第一程序读取地址；

第一新建子单元，被配置为响应于所述第二运算单元不属于任一前序运算组，并且所述第一程序读取指令符合第二预设条件，新建第一运算组，其中，所述第二运算单元被确定为所述第一运算组中的一个第一运算单元，所述第一运算组与所述第一程序读取地址对应，所述第二预设条件包括下述中的至少一者：

所述第一程序读取地址与任一前序运算组对应的程序读取地址不相同，以及

接收到所述第一程序读取指令的时刻与接收到前序程序读取指令的时刻大于第二预设时间；

第二接收子单元，被配置为接收由所述多个运算单元中的第三运算单元发送的第二程序读取指令，所述第二程序读取指令包括第二程序读取地址；以及

第一添加子单元，被配置为响应于所述第三运算单元不属于任一前序运算组，并且所述第二程序读取指令符合第三预设条件，将所述第三运算单元添加到所述第一运算组中，以作为所述第一运算组中的一个第一运算单元，其中，所述第三预设条件包括接收到所述第二程序读取指令和所述第一程序读取指令的时间差小于所述第一预设时间并且所述第二程序读取地址与所述第一程序读取地址相同。

8.根据权利要求7所述的装置，其中，所述确定单元还包括：

第三接收子单元，被配置为接收由所述多个运算单元中的第四运算单元发送的第三程序读取指令，所述第三程序读取指令包括第三程序读取地址；

删除子单元，被配置为响应于所述第四运算单元属于第一前序运算组，删除关于所述第一前序运算组的记录；以及

第二新建子单元，被配置为新建第二运算组，其中，所述第二运算组包括所述第四运算单元，所述第二运算组与所述第三程序读取地址对应。

9.根据权利要求6-8中任一项所述的装置，其中，所述多个第一运算单元组成第一运算组，所述合并单元包括：

第四接收子单元，被配置为接收来自于所述第一运算组的数据读取指令；

确定子单元，被配置为响应于检测到所述数据读取指令包括重复数据标记，将所述数据读取指令确定为第一数据读取指令，所述重复数据标记指示所述数据读取指令用于获取的数据为所述多个第一运算单元均需获取的数据；

创建子单元，被配置为创建第一记录，所述第一记录包括所述第一数据读取指令对应的数据读取地址以及第一运算单元；

第二添加子单元，被配置为响应于接收到所述第一运算组中的其余第一运算单元发送的包括所述数据读取地址的所述第一数据读取指令，在所述第一记录中添加相应的第一运算单元，直至所述第一记录中包括所述第一运算组中的全部第一运算单元；以及

生成子单元，被配置为生成所述第二数据读取指令，所述第二数据读取指令用于获取所述数据读取地址中的数据。

10.根据权利要求9所述的装置，还包括：

删除单元，被配置为响应于将所述数据分别发送至所述多个第一运算单元，删除所述第一记录。

11.一种芯片，包括如权利要求6-10中任一项所述的装置。

12.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。

13.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。

14.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-5中任一项所述的方法。

Images