一种基于存内计算的深度神经网络加速器及其加速方法

本申请属于人工智能技术领域，具体公开了一种基于存内计算的深度神经网络加速器及其加速方法。本申请，使用通用处理器确定深度神经网络针对待求解问题的前向传播过程中的输出数据，使用存内计算模块根据该输出数据与预期输出之间的第一误差信息，确定各网络层的第一权重参数的第一梯度参数，以使通用处理器根据该第一梯度参数对第一权重参数进行更新，从而实现不依赖深度神经网络网络模型类型，加速深度神经网络的预训练过程，提高深度神经网络的训练效率。同时由于深度神经网络能够广泛应用于科学计算问题的求解，如线性/非线性方程组求解、曲线最小二乘拟合问题、定态偏微分方程求解等，因此本申请的深度神经网络加速器具有一定的通用性。