1 |
1
입력 영상의 라인들 중 일부 픽셀들을 저장하는 제1 레지스터들;입력 영상의 라인들 중 나머지 픽셀들을 저장하는 제1 메모리들; 및레지스터들에 저장된 픽셀들을 이용하여 연산을 수행하는 제1 커널;을 포함하고,제1 레지스터들은 픽셀 단위로 구분되어 있으며,제1 메모리들은 라인 단위로 구분되어 있고,제1 레지스터들 각각은 제1 메모리들 각각의 전단에 위치하여, 제1 레지스터들에 저장된 데이터들은 제1 메모리들로 시프트 되는 것을 특징으로 하는 딥러닝 하드웨어 가속장치
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
삭제
|
5 |
5
청구항 1에 있어서,제1 메모리들에 저장된 데이터들은,다음 행에 위치한 제1 레지스터들로 시프트되는 것을 특징으로 하는 딥러닝 하드웨어 가속장치
|
6 |
6
청구항 1에 있어서,제1 레지스터들의 행×열 배열은,커널이 연산을 위해 이용하는 필터의 행×열 규격에 의해 결정되는 것을 특징으로 하는 딥러닝 하드웨어 가속장치
|
7 |
7
청구항 6에 있어서,제1 커널의 연산으로 생성된 데이터를 저장하는 제2 레지스터들;제2 레지스터들 각각의 후단에 위치하여 시프트 되는 데이터들을 저장하는 제2 메모리들;을 더 포함하는 것을 특징으로 하는 딥러닝 하드웨어 가속장치
|
8 |
8
제1 레지스터들이, 입력 영상의 라인들 중 일부 픽셀들을 저장하는 단계;제1 메모리들이, 입력 영상의 라인들 중 나머지 픽셀들을 저장하는 단계; 및제1 커널이, 레지스터들에 저장된 픽셀들을 이용하여 연산을 수행하는 단계;를 포함하고,제1 레지스터들은 픽셀 단위로 구분되어 있으며,제1 메모리들은 라인 단위로 구분되어 있고,제1 레지스터들 각각은 제1 메모리들 각각의 전단에 위치하여, 제1 레지스터들에 저장된 데이터들은 제1 메모리들로 시프트 되는 것을 특징으로 하는 딥러닝 하드웨어 가속방법
|