欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025100971757
申请人: 暨南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于RISC-V的神经网络扩展执行计算机系统,其特征在于,包括:基于乱序执行体系结构的RISC-V处理器、神经网络硬件加速器、指令存储器、数据存储器和动态调度器;

所述动态调度器,用于根据当前计算负载,为计算机系统切换不同的工作模式,将待执行的计算任务分配给所述RISC-V处理器或所述神经网络硬件加速器执行;所述工作模式包括:标准计算模式、神经网络加速模式和低功耗模式;所述计算任务包括通用计算任务和神经网络计算任务;

所述RISC-V处理器,用于在所述标准计算模式下,接收和解码外部输入的RISC-V指令,根据指令类型与当前计算负载,形成乱序发射的指令流,并通过逐一执行所述乱序发射的指令流中的RISC-V指令,执行所述通用计算任务和所述神经网络计算任务;

所述神经网络硬件加速器,用于在所述神经网络加速模式下,执行对所述神经网络计算任务;

所述动态调度器,还用于将所述待执行的计算任务编译为一条或多条RISC-V指令,并将所述RISC-V指令写进所述指令存储器中进行存储;

所述指令存储器,用于顺序存储与所述待执行的计算任务对应的一条或多条RISC-V指令;

所述数据存储器,用于存储所述RISC-V处理器与所述神经网络硬件加速器之间通过专用通信协议传输的交互数据;

所述动态调度器,还用于在没有计算任务或计算负载低于预设值时,采用门控时钟逻辑降低所述RISC-V处理器和所述神经网络硬件加速器的时钟翻转率,控制所述RISC-V处理器和所述神经网络硬件加速器工作在所述低功耗模式;

所述RISC-V处理器包括:指令解码单元、物理寄存器堆;

所述指令解码单元包括寄存器重命名单元,采用翻倍的物理寄存器方式进行重命名,用于将RISC-V指令集所包含的逻辑寄存器动态映射到所述物理寄存器堆中对应的物理寄存器上,生成用于防止寄存器数据通路读写冲突的寄存器访问控制信息;所述逻辑寄存器包括目的逻辑寄存器和源逻辑寄存器;所述寄存器重命名单元包括:物理寄存器空闲表、预测重命名映射表、物理寄存器就绪表和寄存器分配电路;

所述寄存器分配电路,用于在解码获得RISC-V指令的待写的目的逻辑寄存器时,检测所述物理寄存器空闲表是否可用;若否,则等待任意一个物理寄存器的释放;若是,则通过优先仲裁树在所述物理寄存器空闲表中选择一个空闲的物理寄存器,将其作为目的物理寄存器分配给待写的目的逻辑寄存器,并更新所述预测重命名映射表中相应的逻辑寄存器与物理寄存器的映射关系;以及,还用于在解码获得RISC-V指令的待读的源逻辑寄存器时,在所述预测重命名映射表中查找出对应的物理寄存器作为源物理寄存器,并在所述物理寄存器就绪表中查找出对应的源物理寄存器的数据就绪状态;

所述优先仲裁树为固定低位优先的比较选择合并仲裁器;

物理寄存器释放机制为:当一条指令在ROB中退休时,将其对应的前目的物理寄存器释放。

2.根据权利要求1所述的基于RISC-V的神经网络扩展执行计算机系统,其特征在于,所述RISC-V处理器还包括:指令接收单元、乱序执行单元和回写单元所述指令接收单元,用于从所述指令存储器中预读取若干条RISC-V指令进行内部缓存,并在预读取的若干条RISC-V指令中检索是否存在与程序计数值对应的RISC-V指令;若存在,则将检索获得的RISC-V指令输出至所述指令解码单元;若不存在,则访问所述指令存储器,将在所述指令存储器中查找出对应的RISC-V指令输出至所述指令解码单元;

所述指令解码单元包括译码器,用于对接收的RISC-V指令进行解析,识别出RISC-V指令所携带的寄存器访问信息和数据操作信息,并将其混合编码为指令标识信息;

所述物理寄存器堆,用于通过多个物理寄存器存储所述RISC-V处理器在执行过程中使用的逻辑寄存器数据;

所述乱序执行单元,用于根据指令类型,将解码后的RISC-V指令分类形成多个发射队列,并根据当前计算负载在各个发射队列中形成乱序发射的指令流,并通过乱序执行所述指令流中的RISC-V指令,执行所述通用计算任务和所述神经网络计算任务;

所述回写单元,用于将执行结果写回所述物理寄存器堆。

3.根据权利要求2所述的基于RISC-V的神经网络扩展执行计算机系统,其特征在于,所述乱序执行单元包括:指令发射单元,用于判断解码后的RISC-V指令是否发射就绪,并将发射就绪的RISC-V指令按照其指令类型分发到其中一个发射队列;将各个发射队列中RISC-V指令分别进行年龄排序,仲裁出各个发射队列中最老的RISC-V指令进行并行发射;

算术逻辑单元,用于接收并执行所述指令发射单元所发射的算术逻辑运算指令;所述算术逻辑运算指令为定点运算指令;

浮点运算单元,用于接收并执行所述指令发射单元所发射的浮点运算指令;

加载访存单元,用于接收并执行所述指令发射单元所发射的加载指令或访存指令,以对外部数据进行加载或存储;以及,向量处理单元,用于接收并执行所述指令发射单元所发射的自定义扩展向量计算指令,实现所述神经网络计算任务中的向量运算和矩阵运算。

4.根据权利要求2所述的基于RISC-V的神经网络扩展执行计算机系统,其特征在于,所述指令接收单元包括:动态分支预测单元;

所述动态分支预测单元,包括:

分支目标缓存单元,用于记录发生过跳转的分支指令所对应的程序计数值及跳转地址;

跳转历史缓存单元,用于记录指令执行历史过程中的各个程序计数值对应的跳转方向和跳转次数;所述各个程序计数值对应的跳转方向和跳转次数,根据已执行指令的跳转结果采用饱和计数器进行更新;

全局历史预测寄存单元,用于预测连续的若干条指令在执行完毕后的指令跳转结果,生成全局跳转历史预测值;

跳转仲裁单元,用于根据上一条RISC-V指令的第一程序计数值,预测获得当前待读取RISC-V指令的第二程序计数值,包括:将所述第一程序计数值与所述全局跳转历史预测值进行逻辑运算,获得索引地址,根据所述索引地址对所述跳转历史缓存单元进行查询,判断所述第二程序计数值是否发生跳转;

若所述第二程序计数值发生跳转,则判断所述第一程序计数值是否命中所述分支目标缓存单元中的任一分支指令;若命中,则判断所命中的分支指令是否为函数返回指令;若为所述函数返回指令,则将返回地址堆栈中对应的函数调用目标地址预测为所述第二程序计数值的跳转地址;若非所述函数返回指令,则将所命中的分支指令所对应的跳转地址预测为所述第二程序计数值的跳转地址;

若所述第二程序计数值不发生跳转,或者,发生跳转但所述第一程序计数值没有命中所述分支目标缓存单元中的任一分支指令,则将所述第二程序计数值的跳转地址预测为PC+k;其中,PC为所述第一程序计数值,k为用户自定义常数。

5.根据权利要求4所述的基于RISC-V的神经网络扩展执行计算机系统,其特征在于,所述指令接收单元,还包括指令预取单元和指令查询单元;

所述指令预取单元,用于根据所述第一程序计数值,通过专用总线接口访问所述指令存储器,从所述指令存储器中读取所述第一程序计数值所对应的RISC-V指令及其相邻的若干条RISC-V指令进行缓存;

所述指令查询单元,用于根据所述动态分支预测单元输出的第二程序计数值,查询所述指令预取单元中是否存在与所述第二程序计数值相对应的RISC-V指令;若存在,将所述指令预取单元中对应的RISC-V指令输出至所述指令解码单元;若不存在,在所述指令存储器中查找出与所述第二程序计数值对应的RISC-V指令并将其输出至所述指令解码单元。

6.根据权利要求4所述的基于RISC-V的神经网络扩展执行计算机系统,其特征在于,所述物理寄存器空闲表,用于标记每个物理寄存器的空闲状态;

所述预测重命名映射表,用于记录逻辑寄存器与物理寄存器的动态映射关系;

所述物理寄存器就绪表,用于标记每个物理寄存器的数据就绪状态;所述寄存器分配电路,还用于将当前RISC-V指令所关联的空闲的目的物理寄存器、源物理寄存器和源物理寄存器的数据就绪状态整合在所述寄存器访问控制信息中。

7.根据权利要求6所述的基于RISC-V的神经网络扩展执行计算机系统,其特征在于,所述比较选择合并仲裁器包括:多个一位比较器,以及,与所述一位比较器一一对应的多个二选一复用器;

所述多个一位比较器构成二叉树结构,用于对所述物理寄存器空闲表的所有物理寄存器的空闲状态进行两两比较;各个所述物理寄存器若为空闲,其空闲状态被标记为“1”,若为非空闲,其空闲状态被标记为“0”;

每个所述一位比较器均为最大值比较器,且在对输入的物理寄存器空闲状态进行两两比较时:若两个输入的物理寄存器空闲状态不同或者两个输入的物理寄存器空闲状态均为空闲,则当前的一位比较器的比较结果为“1”;若两个输入的物理寄存器空闲状态均为非空闲,则当前的一位比较器的比较结果为“0”;

所述多个二选一复用器构成二叉树结构,用于在所述物理寄存器堆中筛选出从低位到高位编号顺序的第一个空闲的物理寄存器;

每个所述二选一复用器,用于将对应的一位比较器的比较结果作为选择信号,筛选出对相应编号的物理寄存器,包括:若当前的一位比较器的比较结果为“1”,则判断当前的一位比较器所连接的两个物理寄存器的空闲状态是否相同;若不同,选中空闲状态被标记为“1”的物理寄存器编号作为下一级的二选一复用器的输入,若相同,则将处于低位的物理寄存器编号作为下一级的二选一复用器的输入;若当前的一位比较器的比较结果为“0”,则将处于高位的物理寄存器编号作为下一级的二选一复用器的输入;

所述比较选择合并仲裁器,用于当处于树顶的一位比较器的比较结果为“1”时,选中对应编号的空闲的物理寄存器作为当前RISC-V指令的目的物理寄存器。

8.根据权利要求6所述的基于RISC-V的神经网络扩展执行计算机系统,其特征在于,所述动态分支预测单元还包括:全局历史寄存器,用于记录若干条RISC-V指令在执行结束后的实际跳转历史;

所述寄存器重命名单元还设置有:物理寄存器空闲表检查点和体系结构重命名映射表;所述物理寄存器空闲表检查点,用于在当前RISC-V指令为分支指令时,为当前RISC-V指令分配分支编号,对所述物理寄存器空闲表进行备份;所述体系结构重命名映射表,用于记录上一条RISC-V指令执行时的各个逻辑寄存器与物理寄存器的映射关系;

所述回写单元包括:分支预测失败恢复逻辑;

所述分支预测失败恢复逻辑,用于在所述动态分支预测单元对所述第二程序计数值的跳转地址预测错误时,将所述全局历史寄存器的数据覆盖至所述全局历史预测寄存单元,将对应编号的物理寄存器空闲表检查点的数据覆盖至所述物理寄存器空闲表,以及,将所述体系结构重命名映射表的数据覆盖至所述预测重命名映射表。

9.根据权利要求1~8任一项所述的基于RISC-V的神经网络扩展执行计算机系统,其特征在于,所述神经网络硬件加速器,包括:模型压缩单元,用于对所述神经网络计算任务中的卷积神经网络进行知识蒸馏,压缩所述卷积神经网络的模型参数;

计算单元,包括卷积运算模块、矩阵乘法模块、量化模块、激活函数模块和池化模块,用于执行卷积神经网络中的前向传播计算操作;

存储单元,包括互相独立的输入特征图缓存、权重缓存、偏置缓存、中间值缓存、池化缓存、输出特征图缓存和共享缓存,用于通过多级缓存体系减少存储访问冲突并降低数据访问延迟;

数据流控制单元,用于控制数据流动,确保数据在所述计算单元和所述存储单元之间高效传输;

通信接口,用于与所述RISC-V处理器进行数据传输,加载输入图像数据和所述卷积神经网络的模型参数,以及,输出所述卷积神经网络的识别结果。

10.根据权利要求9所述的基于RISC-V的神经网络扩展执行计算机系统,其特征在于,所述卷积运算模块,包括卷积计算阵列和第一加法树,用于通过在输入特征图中滑动卷积核,依次利用所述卷积计算阵列在滑动区域内进行逐元素乘法操作,以及,基于所述第一加法树对所述逐元素乘法操作的中间计算结果进行累加,生成输出特征图;

所述矩阵乘法模块,包括乘法计算阵列和第二加法树,用于执行卷积神经网络的全连接层的输出计算;其中,所述乘法计算阵列,用于对接入的多通道特征图与对应的点卷积核进行乘法操作,所述第二加法树,用于对所述乘法计算阵列的中间计算结果进行累加。