图像处理ASIC设计方法 笔记8 卷积计算芯片的结构

(一)

P81 卷积芯片内部模板框图

该设计有两个数据通路:图像数据和模板数据 。

图像数据是经过帧控制、实时图SPRAM(写控制、 SPRAM读控制、数据读控制)、计算单元;

模板数据是经过模板SPRAM、计算单元。

4.5.4运算单元像素寄存器控制

存储SPRAM写入的64bit数据,输出为8bit。它是属于图像数据的路径。

当处于读操作时,输出的读使能信号fifo_rd_en ,该信号可以使FIFO读出数据并写入SPRAM中。那这个模块是实时图SPRAM模块里的写控制、SPRAM读控制、数据读控制。

图像SPRAM地址控制:SPRAM中滚动存放32行像素,为了同时读出相邻4行数据,写入数据按行在4个块中依次循环存放。32*40像素模板卷积运算分8次局部卷积运算完成。

(二)

P90 计算模块的结构:

乘法器1个,后面是加法器6个,这样组成的流水线。同时有6组数据在依次滚动,走的流水线深度是7拍(乘法器1个+加法器6个)。第六组数据刚进入第一个拍(乘法器)的时候,此时第一组数据在第六个拍(加法器5)处理。

计算模块大小是4行40列,整个卷积设计的大小为32行40列,数据缓存是对计算模块的大小来定的(4行40列)。整个卷积设计是调用8次计算模块("32行40列"是"4行40列"的8倍),把每次的计算模块结果进行累加。

计算模块的结果在另一个位置缓存,每次的结果与对应位置的数据累加后还写入该位置。这个位置的寄存器设置的位宽是26bit。(最初的像素数据是8bit,经过一次乘法和六次加法,结果是22bit,22bit累加8次,最终设定的计算结果是26bit)

(三)

补充搜索的资料 卷积芯片的新设计方式:

光学卷积处理器OCPU(Optical Convolution Processing Unit)是一种基于光学计算的技术,它使用光学器件和光学现象进行信息处理和计算。光学能够同时处理多个信息,从而实现高效的并行计算。

中国科学院半导体研究所集成光电子国家重点实验室微波光电子研究组开发了一种超高集成度光学卷积处理器,相关研究成果发表在《Nature-Communications》上。这项技术在人工智能领域具有广阔的前景。光学计算是一种利用光波作为信息处理载体的技术,具有带宽大、延迟低、功耗低的优点。

相关推荐
AI算力7 小时前
让安全驾驶有“AI”相伴|腾视科技DMS视频监控一体机,守护每一次出行
人工智能·科技·ai·车载终端·ai算力·车载智能终端·车载dvr
泯泷8 小时前
超越基准:Claude Opus 4.5 的 4 个惊人洞察
人工智能
果果软件8 小时前
2026 后台管理系统选型:若依、JeecgBoot、芋道、NocoBase 和 GewuMind Boot 怎么选?
java·人工智能·后端·ai·开源
Csvn8 小时前
刚开始用 WorkBuddy,第一步该做什么?
人工智能
一水鉴天8 小时前
同一与唯一:AppBus 外壳与 DevOps 内核 之1 20261121(元宝)
人工智能·机器学习
Wellijohn8 小时前
一个 Android 老兵的十年开源路:从 167 star 的滑动控件,到本地优先的 AI Agent
android·人工智能·开源
ZONGYUAN-ROOT9 小时前
【API配额】API 配额监控告警不生效?用 Python 监控读数变化量,抓住静态阈值漏掉的「假重置」
人工智能
Wellijohn9 小时前
我把公司内部的 12 个 CRUD 接口交给了 AI Agent,然后省出了两周
人工智能·python·mcp
Rabitebla10 小时前
【Linux】文件篇(五):手撕简易 FILE——模拟实现 C 标准 I/O 缓冲机制
linux·服务器·c语言·笔记·学习·ubuntu