摘要
本发明公开了一种基于片上存储优化神经网络计算性能的方法，首先，根据脉冲输入数据、内部权重与外部权重的访问特性进行SPM空间划分，从而提升数据利用效率，其后，在时间步维度对计算过程进行分批处理，使任务调度更均衡，然后，内部权重一次性加载减少重复传输，外部权重按需分块加载避免存储压力，最后，结合膜电位更新与脉冲输出管理，构建连续、稳定的神经网络计算流程。本发明可广泛应用于嵌入式AI芯片、边缘计算设备等对计算资源与存储带宽敏感的场景。本发明能够解决现有基于硬件加速器的神经网络计算性能优化方法存在的SPM空间划分不合理、访问冲突严重的技术问题。
