Студопедия

КАТЕГОРИИ:


Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748)

Aрхитектурныe основы построения нейросистем на базе нейрочипа




 

Основными архитектурными особенностями нейрочипа для построения различных параллельных систем являются наличие двух высокоскоростных двунаправленных байтовых коммуникационных портов, аппаратно совместимых с портами сигнального процессора TMS320C40 и поддержка доступа к совместно используемой памяти. Путем объединения нейрочипов различными способами можно добиться реализации большого числа высокопроизводительных параллельных систем разнообразной конфигурации. На рис.38 приведены примеры построения вычислительных сетей на базе нейрочипа.


а)


б)


в)

Рис.38. Примеры построения вычислительных сетей на базе нейрочипа:

а) двунаправленный конвейер (для операций над матрицами, эмуляции нейросетей прямого распространения и других конвейеризированных вычислений),

б) структура типа двумерной решетки (для операций над матрицами и эмуляции нейросетей прямого распространения),

в) двунаправленное кольцо (для эмуляции различных нейросетей, в том числе с обратными связями и многослойных)

Кроме вышеперечисленных возможностей можно также создавать вычислительные сети практически любой конфигурации с использованием сигнального процессора TMS320C40 в качестве коммутирующего элемента.

Примеры такого подхода можно увидеть на рис.39:


а)


б)

Рис.39. Примеры построения вычислительных сетей на базе нейрочипа и TMS320C4x в качестве коммутирующего элемента:

а) структура типа дерева (для эмуляции многослойных нейросетей, а также для задач распознавания образа),

б) структура типа трехмерной решетки (для эмуляции трехмерных нейросетей, а также для задач распознавания образа).

Используемый интерфейс с памятью определяет 3 основные группы архитектур систем на основе нейрочипа (см. рис.40):


а)


б)


в)

Рис.40. Сети с совместно используемой/распределенной памятью:

а) aрхитектура с совместно используемой памятью,

б) архитектура с распределенной памятью,

в) смешанная архитектура.

Архитектура с совместно используемой памятью - глобальная память доступна нескольким нейрочипам. Архитектура с распределенной памятью - каждый нейрочип имеет свою локальную память, а взаимодействие нейрочипов осуществляется через коммуникационные порты. Смешанная архитектура - каждый нейрочип имеет свою локальную память, а также возможность доступа к глобальной памяти вместе с другими нейрочипами.

При объединении небольшого количества нейрочипов в систему можно использовать архитектуру с совместно используемой глобальной памятью, но если число используемых нейрочипов большое, затраты на доступ в глобальную память становятся слишком велики, поэтому рекомендуется архитектура с распределенной памятью.

Нейропроцессор NM6403 благодаря своей универсальности может применяться как базовый элемент для нейроускорителей персональных компьютеров и нейрокомпьютерных параллельных вычислительных систем, аппаратной поддержки операций над матрицами любой размерности, а также в процессорах цифровой обработки сигналов. Возможность работы с данными переменной разрядности, обеспечивает способность нейропроцессора увеличивать производительность с уменьшением разрядности операндов, что позволяет находить оптимальное соотношение точность/производительность.





Поделиться с друзьями:


Дата добавления: 2014-01-11; Просмотров: 1662; Нарушение авторских прав?; Мы поможем в написании вашей работы!


Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет



studopedia.su - Студопедия (2013 - 2024) год. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав! Последнее добавление




Генерация страницы за: 0.01 сек.