JP2019106186A - 畳み込みニューラルネットワークにおいて畳み込み演算を実行する装置および方法 - Google Patents
畳み込みニューラルネットワークにおいて畳み込み演算を実行する装置および方法 Download PDFInfo
- Publication number
- JP2019106186A JP2019106186A JP2018232368A JP2018232368A JP2019106186A JP 2019106186 A JP2019106186 A JP 2019106186A JP 2018232368 A JP2018232368 A JP 2018232368A JP 2018232368 A JP2018232368 A JP 2018232368A JP 2019106186 A JP2019106186 A JP 2019106186A
- Authority
- JP
- Japan
- Prior art keywords
- zero
- channels
- counter
- data
- selector
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
- G06F17/153—Multidimensional correlation or convolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Neurology (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Complex Calculations (AREA)
Abstract
Description
Claims (15)
- 畳み込みニューラルネットワークにおいて畳み込み演算を実行する装置であって、
重みパラメータを記憶する第1のメモリに結合された第1のセレクタと、
入力特徴データを記憶する第2のメモリに結合された第2のセレクタと、
計算機と、
を備え、
前記第1のセレクタは、前記重みパラメータの1つまたは複数のカーネルの1つまたは複数の第1の非ゼロ要素を、1つまたは複数の第1のチャネル内で選択するように構成されており、
各第1のチャネルは、少なくとも1つの第1の非ゼロ要素を含み、
各第1の非ゼロ要素は、対応する前記カーネルの同じ要素位置にあり、
前記要素位置は、高さおよび幅の二次元における二次元位置であり、
前記第2のセレクタは、前記入力特徴データの1つまたは複数の第1のデータ項目を、前記1つまたは複数の第1の非ゼロ要素に対応する前記1つまたは複数の第1のチャネル内で選択するように構成されており、
前記入力特徴データ中の各第1のデータ項目のデータ項目位置は、対応する前記第1の非ゼロ要素の前記要素位置によって決まり、
各第1のデータ項目は、対応する前記第1の非ゼロ要素と同じ第1のチャネルにあり、
前記データ項目位置は、高さおよび幅の二次元における二次元位置であり、
前記計算機は、前記第2のセレクタからの各第1のデータ項目と、前記第1のセレクタからの当該第1のデータ項目に対応する前記第1の非ゼロ要素とを乗算して積を求め、前記積を累積するように構成されている、
畳み込みニューラルネットワークにおいて畳み込み演算を実行する装置。 - 第1のカウンタをさらに備え、
前記第1のセレクタは、前記1つまたは複数のカーネルのそれぞれのすべての非ゼロ要素を前記重みパラメータの全カーネルの間で選択することによって、1つまたは複数の第2のチャネル内で前記1つまたは複数のカーネルの1つまたは複数の第2の非ゼロ要素を選択するように構成され、
前記1つまたは複数のカーネルは、前記第1のカウンタの現在のカウント値に対応し、
前記1つまたは複数の第2のチャネルは、前記1つまたは複数の第1のチャネルを含み、
前記1つまたは複数の第2の非ゼロ要素は、前記1つまたは複数の第1の非ゼロ要素を含む、
請求項1に記載の装置。 - 第1のカウンタをさらに備え、
前記第1のセレクタは、前記1つまたは複数のカーネルのそれぞれの1つまたは複数のチャネル内で前記第1のカウンタの現在のカウント値に対応する要素位置において1つまたは複数の非ゼロ要素を選択することによって、1つまたは複数の第2のチャネル内で前記1つまたは複数のカーネルの1つまたは複数の第2の非ゼロ要素を選択するように構成され、
前記1つまたは複数の第2のチャネルは、前記1つまたは複数の第1のチャネルを含み、
前記1つまたは複数の第2の非ゼロ要素は、前記1つまたは複数の第1の非ゼロ要素を含む、
請求項1に記載の装置。 - 第1のカウンタをさらに備え、
前記第1のセレクタは、前記1つまたは複数のカーネルの1つまたは複数の非ゼロ要素を前記第1のカウンタの現在のカウント値に対応する1つまたは複数の第2のチャネル内で選択することによって、1つまたは複数の第2のチャネル内で前記1つまたは複数のカーネルの1つまたは複数の第2の非ゼロ要素を選択するように構成され、
前記1つまたは複数の第2のチャネルは、前記1つまたは複数の第1のチャネルを含み、
前記1つまたは複数の第2の非ゼロ要素は、前記1つまたは複数の第1の非ゼロ要素を含む、
請求項1に記載の装置。 - 第2のカウンタをさらに備え、
前記第1のセレクタは、前記1つまたは複数の第1の非ゼロ要素を前記1つまたは複数の第2の非ゼロ要素から選択するようにさらに構成され、
前記1つまたは複数の第1のチャネルは、前記第2のカウンタの現在のカウント値に対応する、
請求項2〜4のいずれか一項に記載の装置。 - 前記第1のセレクタは、
1つまたは複数のマルチプレクサと、
前記1つまたは複数の第2の非ゼロ要素をバッファリングするように構成された第1のバッファメモリと
を含む、
請求項2〜4のいずれか一項に記載の装置。 - 第1のカウンタをさらに備え、
前記第2のセレクタは、前記入力特徴データの1つまたは複数の第2のデータ項目を1つまたは複数の第3のチャネル内で選択するように構成され、
前記第1のカウンタの現在のカウント値に対応する出力特徴データ中の1つまたは複数のデータ項目は、前記1つまたは複数の第2のデータ項目に基づいて生成され、
前記1つまたは複数の第3のチャネルは、前記1つまたは複数の第1のチャネルを含み、
前記1つまたは複数の第2のデータ項目は、前記1つまたは複数の第1のデータ項目を含む、
請求項1に記載の装置。 - 第1のカウンタをさらに備え、
前記第2のセレクタは、
前記1つまたは複数のカーネルの非ゼロ要素の要素位置を記録する非ゼロ要素位置リストから、前記第1のカウンタの現在のカウント値を前記非ゼロ要素位置リストの指標値として使用することによって前記要素位置を検索し、
前記要素位置に対応する前記入力特徴データ中の1つまたは複数のデータ項目位置を決定し、
前記決定されたデータ項目位置のそれぞれにおける前記入力特徴データ中の1つまたは複数の第2のデータ項目を1つまたは複数の第3のチャネル内で選択するように構成され、
前記1つまたは複数の第3のチャネルは、前記1つまたは複数の第1のチャネルを含み、
前記1つまたは複数の第2のデータ項目は、前記1つまたは複数の第1のデータ項目を含む、
請求項1に記載の装置。 - 第1のカウンタをさらに備え、
前記第2のセレクタは、前記入力特徴データの1つまたは複数の第2のデータ項目を、前記第1のカウンタの現在のカウント値に対応する1つまたは複数の第3のチャネル内で選択するように構成され、
前記1つまたは複数の第3のチャネルは、前記1つまたは複数の第1のチャネルを含み、
前記1つまたは複数の第2のデータ項目は、前記1つまたは複数の第1のデータ項目を含む、
請求項1に記載の装置。 - 第2のカウンタをさらに備え、
前記第2のセレクタはさらに、
前記1つまたは複数のカーネルの非ゼロ要素があるチャネルを記録する非ゼロチャネルリストから、前記第2のカウンタの現在のカウント値を前記非ゼロチャネルリストの指標値として使用することによって前記1つまたは複数の第1のチャネルを検索し、
前記1つまたは複数の第2のデータ項目から前記1つまたは複数の第1のチャネル内の前記1つまたは複数の第1のデータ項目を選択するように構成される、
請求項7〜9のいずれか一項に記載の装置。 - 前記非ゼロチャネルリストに記録された情報は、前記1つまたは複数のカーネルの前記非ゼロ要素の前記要素位置に関連する、
請求項10に記載の装置。 - 前記第2のセレクタは、
1つまたは複数のマルチプレクサと、
前記1つまたは複数の第2のデータ項目をバッファリングするように構成された第2のバッファメモリと
を含む、
請求項7〜9のいずれか一項に記載の装置。 - 畳み込みニューラルネットワークにおいて畳み込み演算を実行する方法であって、
重みパラメータを記憶する第1のメモリに結合された第1のセレクタが、前記重みパラメータの1つまたは複数のカーネルの1つまたは複数の第1の非ゼロ要素を、1つまたは複数の第1のチャネル内で選択するステップであって、各第1のチャネルが少なくとも1つの第1の非ゼロ要素を含み、各第1の非ゼロ要素が、対応する前記カーネルの同じ要素位置にあり、前記要素位置が、高さおよび幅の二次元における二次元位置であるステップと、
入力特徴データを記憶する第2のメモリに結合された第2のセレクタが、前記入力特徴データの1つまたは複数の第1のデータ項目を、前記1つまたは複数の第1の非ゼロ要素に対応する前記1つまたは複数の第1のチャネル内で選択するステップであって、前記入力特徴データ中の各第1のデータ項目のデータ項目位置が、前記対応する第1の非ゼロ要素の前記要素位置によって決まり、各第1のデータ項目が、前記対応する第1の非ゼロ要素と同じく第1のチャネルにあり、前記データ項目位置が、高さおよび幅の前記二次元における二次元位置であるステップと、
計算機によって、前記第2のセレクタからの各第1のデータ項目と、前記第1のセレクタからの前記対応する第1の非ゼロ要素とを乗算して積を得てから、前記積を累積するステップと
を含む、
畳み込みニューラルネットワークにおいて畳み込み演算を実行する方法。 - 前記重みパラメータの1つまたは複数のカーネルの1つまたは複数の第1の非ゼロ要素を1つまたは複数の第1のチャネル内で選択するステップは、
前記1つまたは複数のカーネルの1つまたは複数の第2の非ゼロ要素を、第1のカウンタからのカウント値に応じて1つまたは複数の第2のチャネル内で選択するステップと、
前記1つまたは複数の第1の非ゼロ要素を前記1つまたは複数の第2の非ゼロ要素から選択するステップと、
を含み、
前記1つまたは複数の第1のチャネルは、第2のカウンタのカウント値に対応する、
請求項13に記載の方法。 - 前記入力特徴データの1つまたは複数の第1のデータ項目を前記1つまたは複数の第1のチャネル内で選択するステップは、
前記入力特徴データの1つまたは複数の第2のデータ項目を、前記第1のカウンタの前記カウント値に応じて1つまたは複数の第3のチャネル内で選択するステップと、
前記1つまたは複数のカーネルの非ゼロ要素があるチャネルを記録する非ゼロチャネルリストから、前記第2のカウンタの現在のカウント値を前記非ゼロチャネルリストの指標値として使用することによって前記1つまたは複数の第1のチャネルを検索するステップと、
前記1つまたは複数の第2のデータ項目から、前記1つまたは複数の第1のチャネル内の前記1つまたは複数の第1のデータ項目を選択するステップと、
を含む、
請求項13に記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711319837.2A CN107909148B (zh) | 2017-12-12 | 2017-12-12 | 用于执行卷积神经网络中的卷积运算的装置 |
CN201711319837.2 | 2017-12-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019106186A true JP2019106186A (ja) | 2019-06-27 |
JP6736646B2 JP6736646B2 (ja) | 2020-08-05 |
Family
ID=61865328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018232368A Active JP6736646B2 (ja) | 2017-12-12 | 2018-12-12 | 畳み込みニューラルネットワークにおいて畳み込み演算を実行する装置および方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11429836B2 (ja) |
EP (1) | EP3499426A1 (ja) |
JP (1) | JP6736646B2 (ja) |
KR (1) | KR20190070301A (ja) |
CN (1) | CN107909148B (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10740434B1 (en) | 2018-04-20 | 2020-08-11 | Perceive Corporation | Reduced dot product computation circuit |
US11783167B1 (en) | 2018-04-20 | 2023-10-10 | Perceive Corporation | Data transfer for non-dot product computations on neural network inference circuit |
US11295200B1 (en) | 2018-04-20 | 2022-04-05 | Perceive Corporation | Time-multiplexed dot products for neural network inference circuit |
US11568227B1 (en) | 2018-04-20 | 2023-01-31 | Perceive Corporation | Neural network inference circuit read controller with multiple operational modes |
US11468145B1 (en) | 2018-04-20 | 2022-10-11 | Perceive Corporation | Storage of input values within core of neural network inference circuit |
CN109165723B (zh) * | 2018-08-03 | 2021-03-19 | 北京字节跳动网络技术有限公司 | 用于处理数据的方法和装置 |
CN113190791A (zh) | 2018-08-06 | 2021-07-30 | 华为技术有限公司 | 矩阵的处理方法、装置及逻辑电路 |
CN110825311B (zh) * | 2018-08-10 | 2023-04-18 | 昆仑芯(北京)科技有限公司 | 用于存储数据的方法和装置 |
US11995533B1 (en) | 2018-12-05 | 2024-05-28 | Perceive Corporation | Executing replicated neural network layers on inference circuit |
CN109740739B (zh) * | 2018-12-29 | 2020-04-24 | 中科寒武纪科技股份有限公司 | 神经网络计算装置、神经网络计算方法及相关产品 |
US11347297B1 (en) | 2019-01-23 | 2022-05-31 | Perceive Corporation | Neural network inference circuit employing dynamic memory sleep |
CN110070178B (zh) * | 2019-04-25 | 2021-05-14 | 北京交通大学 | 一种卷积神经网络计算装置及方法 |
US11625585B1 (en) | 2019-05-21 | 2023-04-11 | Perceive Corporation | Compiler for optimizing filter sparsity for neural network implementation configuration |
CN110647893B (zh) * | 2019-09-20 | 2022-04-05 | 北京地平线机器人技术研发有限公司 | 目标对象识别方法、装置、存储介质和设备 |
CN112541565B (zh) * | 2019-09-20 | 2023-08-29 | 腾讯科技(深圳)有限公司 | 一种卷积计算数据流映射方法及装置 |
US11475283B2 (en) | 2019-10-24 | 2022-10-18 | Apple Inc. | Multi dimensional convolution in neural network processor |
CN111415004B (zh) * | 2020-03-17 | 2023-11-03 | 阿波罗智联(北京)科技有限公司 | 用于输出信息的方法和装置 |
KR20220090104A (ko) | 2020-12-22 | 2022-06-29 | 삼성전자주식회사 | 컨벌루션 연산을 위한 데이터 전송 방법, 페처 및 컨벌루션 연산 장치 |
WO2022134872A1 (zh) * | 2020-12-25 | 2022-06-30 | 中科寒武纪科技股份有限公司 | 数据处理装置、数据处理方法及相关产品 |
CN114692847B (zh) * | 2020-12-25 | 2024-01-09 | 中科寒武纪科技股份有限公司 | 数据处理电路、数据处理方法及相关产品 |
CN115481713A (zh) * | 2021-06-15 | 2022-12-16 | 瑞昱半导体股份有限公司 | 改进卷积神经网络进行计算的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003067360A (ja) * | 2001-08-24 | 2003-03-07 | Seiko Epson Corp | 積和演算方法および積和演算装置 |
JP2010134697A (ja) * | 2008-12-04 | 2010-06-17 | Canon Inc | コンボリューション演算回路、階層的コンボリューション演算回路及び物体認識装置 |
US20160342892A1 (en) * | 2015-05-21 | 2016-11-24 | Google Inc. | Prefetching weights for use in a neural network processor |
US20170344876A1 (en) * | 2016-05-31 | 2017-11-30 | Samsung Electronics Co., Ltd. | Efficient sparse parallel winograd-based convolution scheme |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541507B (zh) * | 2010-12-31 | 2015-12-16 | 联芯科技有限公司 | 维度可重配的数据处理方法、系统和矩阵乘法处理器 |
US11074492B2 (en) | 2015-10-07 | 2021-07-27 | Altera Corporation | Method and apparatus for performing different types of convolution operations with the same processing elements |
US9904874B2 (en) * | 2015-11-05 | 2018-02-27 | Microsoft Technology Licensing, Llc | Hardware-efficient deep convolutional neural networks |
CN105681628B (zh) * | 2016-01-05 | 2018-12-07 | 西安交通大学 | 一种卷积网络运算单元及可重构卷积神经网络处理器和实现图像去噪处理的方法 |
WO2018071546A1 (en) | 2016-10-11 | 2018-04-19 | The Research Foundation For The State University Of New York | System, method, and accelerator to process convolutional neural network layers |
CN106779051A (zh) * | 2016-11-24 | 2017-05-31 | 厦门中控生物识别信息技术有限公司 | 一种卷积神经网络模型参数处理方法及系统 |
CN107239824A (zh) * | 2016-12-05 | 2017-10-10 | 北京深鉴智能科技有限公司 | 用于实现稀疏卷积神经网络加速器的装置和方法 |
US11074802B2 (en) * | 2017-02-02 | 2021-07-27 | Hill-Rom Services, Inc. | Method and apparatus for automatic event prediction |
CN106875012B (zh) * | 2017-02-09 | 2019-09-20 | 武汉魅瞳科技有限公司 | 一种基于fpga的深度卷积神经网络的流水化加速系统 |
WO2018222896A1 (en) | 2017-05-31 | 2018-12-06 | Intel Corporation | Gradient-based training engine for quaternion-based machine-learning systems |
WO2019079198A1 (en) | 2017-10-16 | 2019-04-25 | Illumina, Inc. | CLASSIFICATION OF A CONNECTION SITE BASED ON DEEP LEARNING |
-
2017
- 2017-12-12 CN CN201711319837.2A patent/CN107909148B/zh active Active
-
2018
- 2018-12-11 US US16/215,964 patent/US11429836B2/en active Active
- 2018-12-12 KR KR1020180160104A patent/KR20190070301A/ko not_active Application Discontinuation
- 2018-12-12 EP EP18211878.6A patent/EP3499426A1/en not_active Withdrawn
- 2018-12-12 JP JP2018232368A patent/JP6736646B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003067360A (ja) * | 2001-08-24 | 2003-03-07 | Seiko Epson Corp | 積和演算方法および積和演算装置 |
JP2010134697A (ja) * | 2008-12-04 | 2010-06-17 | Canon Inc | コンボリューション演算回路、階層的コンボリューション演算回路及び物体認識装置 |
US20160342892A1 (en) * | 2015-05-21 | 2016-11-24 | Google Inc. | Prefetching weights for use in a neural network processor |
US20170344876A1 (en) * | 2016-05-31 | 2017-11-30 | Samsung Electronics Co., Ltd. | Efficient sparse parallel winograd-based convolution scheme |
Also Published As
Publication number | Publication date |
---|---|
CN107909148A (zh) | 2018-04-13 |
US11429836B2 (en) | 2022-08-30 |
JP6736646B2 (ja) | 2020-08-05 |
EP3499426A1 (en) | 2019-06-19 |
CN107909148B (zh) | 2020-10-20 |
KR20190070301A (ko) | 2019-06-20 |
US20190180167A1 (en) | 2019-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6736646B2 (ja) | 畳み込みニューラルネットワークにおいて畳み込み演算を実行する装置および方法 | |
JP7035080B2 (ja) | 代替ループ限界値 | |
TWI680409B (zh) | 適用於人工神經網路之矩陣及向量相乘的方法 | |
KR102065672B1 (ko) | 합성곱 연산을 위한 장치 및 방법 | |
KR102523263B1 (ko) | 하드웨어 기반 풀링을 위한 시스템 및 방법 | |
KR102335909B1 (ko) | 특수 목적 연산 유닛을 사용한 하드웨어 이중 버퍼링 | |
KR20190049593A (ko) | 콘볼루션 신경망에서의 연산들을 수행하는 방법 및 장치 | |
CN111340201A (zh) | 卷积神经网络加速器及其执行卷积运算操作的方法 | |
KR20230078652A (ko) | 계층적 가중치 희소 컨볼루션 프로세싱을 위한 방법 및 시스템 | |
JP2019061664A (ja) | ニューラルネットワークのパラメータを適応させるための方法および装置 | |
CN110807170A (zh) | 多样本多通道卷积神经网络Same卷积向量化实现方法 | |
US9965343B2 (en) | System and method for determining concurrency factors for dispatch size of parallel processor kernels | |
CN113673701A (zh) | 神经网络模型的运行方法、可读介质和电子设备 | |
CN112395092A (zh) | 数据处理方法及人工智能处理器 | |
CN110796236A (zh) | 多样本多通道卷积神经网络池化的向量化实现方法 | |
US20220382829A1 (en) | Sparse matrix multiplication in hardware | |
KR20220134035A (ko) | 컨볼루션 연산을 위한 프로세싱 인 메모리 방법 | |
TW202244794A (zh) | 記憶體內計算巨集排列的方法、電腦可讀介質及電子裝置 | |
KR102494565B1 (ko) | 콘볼루션 신경망의 하드웨어 구조 최적화 방법 | |
US11361052B2 (en) | Method of formatting a weight matrix, an accelerator using the formatted weight matrix, and a system including the accelerator | |
Shiba et al. | Polyomino: A 3D-SRAM-centric architecture for randomly pruned matrix multiplication with simple rearrangement algorithm and X0. 37 compression format | |
CN109635236A (zh) | 对称矩阵的下三角部分存储装置和并行读取方法 | |
US20240160894A1 (en) | Mixture-of-experts layer with switchable parallel modes | |
US20240160906A1 (en) | Collective communication phases at mixture-of-experts layer | |
Mehrez et al. | Understanding the performances of SMVP on multiprocessor platform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190207 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200306 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20200306 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20200311 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200309 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200623 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200715 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6736646 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |