1.一种基于忆阻器的手写数字识别方法,其特征在于,方法包括以下步骤:
接收输入手写图片数据,将输入手写图片数据进行卷积操作得到特征图数据,将特征图数据转为多维数组模式,标记为多维特征数据;
将多维特征数据按列划分,并对每个多维特征数据分配一个权重系数,将对应列的多维特征数据与对应列的权重系数进行乘加,得到所有列的计算结果;
所述权重系数即为每个特征图数据对应概率,通过按列进行分配,初始情况下所有列所有数据的概率相同,均为1/每列数据数和,经过SoftMax激活函数更新概率大小,达到设定迭代次数后,得到的权重系数代表对应的特征图数据的重要性,实现自适应池化的效果;
将所有列的计算结果与对应列的多维特征数据进行乘加,得到计算结果阵列;
将计算结果阵列的数据按列分配概率,得到所有数据所对应的概率系数,将概率系数映射至忆阻器阵列内,以特征图数据输入忆阻器阵列,得到输出结果;
将输出结果经过TIA、SA、ADC电路返回计算机,从而实现手写数字图片识别的功能。
2.根据权利要求1所述的一种基于忆阻器的手写数字识别方法,其特征在于,所述特征图数据为经过卷积操作进行特征提取之后得到的三维张量数据,所述三维张量数据根据维度方向不同,分为“行”维度、“列”维度和“深度”维度。
3.根据权利要求1所述的一种基于忆阻器的手写数字识别方法,其特征在于,所述忆阻器阵列在高低阻态之间具有多电导态特性,能代替计算机中缓存来在单个单元中存储浮点型数据,降低计算机功耗。
4.根据权利要求3所述的一种基于忆阻器的手写数字识别方法,其特征在于,所述忆阻器阵列负责存储特征图数据对应的自适应池化系数矩阵,即对所有输入的特征图数据分配对应系数,然后通过忆阻器阵列输出电流,经过电路转化返回计算机,实现自适应池化的功能。
5.根据权利要求4所述的一种基于忆阻器的手写数字识别方法,其特征在于,利用忆阻器阵列并行计算进行并行加速,并行输出推理数据,然后返回计算机,推理过程能大幅度降低训练功耗,提升训练效率。
6.根据权利要求1所述的一种基于忆阻器的手写数字识别方法,其特征在于,每列器件权重系数之和均为1。
7.根据权利要求1所述的一种基于忆阻器的手写数字识别方法,其特征在于,所述对每个多维特征数据分配一个权重系数的过程通过采用余弦相似度思想进行更新。
8.根据权利要求1所述的一种基于忆阻器的手写数字识别方法,其特征在于,不同大小的特征图数据与相同的权重系数列进行乘积时得到的结果不同,根据矩阵乘加的所有列的计算结果与对应列的多维特征数据再进行矩阵乘加,得到对应列的计算结果越大,说明特征图数据与对应列的计算结果越接近,因此需分配更大的权重系数。
9.一种基于忆阻器的手写数字识别系统,其特征在于,包括:
卷积模块:用于接收输入手写数字图片数据,将输入手写图片数据进行卷积操作得到特征图数据,将特征图数据转为多维数组模式,标记为多维特征数据;
数据划分模块:用于将多维特征数据按列划分,并对每个多维特征数据分配一个权重系数,将对应列的多维特征数据与对应列的权重系数进行乘加,得到所有列的计算结果;
所述权重系数即为每个特征图数据对应概率,通过按列进行分配,初始情况下所有列所有数据的概率相同,均为1/每列数据数和,经过SoftMax激活函数更新概率大小,达到设定迭代次数后,得到的权重系数代表对应的特征图数据的重要性,实现自适应池化的效果;
乘加模块:用于将所有列的计算结果与对应列的多维特征数据进行乘加,得到计算结果阵列;
分配概率模块:用于将计算结果阵列的数据按列分配概率,得到所有数据所对应的概率系数,将概率系数映射至忆阻器阵列内,以特征图数据输入忆阻器阵列,得到输出结果;
自适应模块:用于将输出结果经过TIA、SA、ADC电路返回计算机,从而实现手写数字图片识别的功能。