NPU的设计逻辑

NPU设计的数学模型比较简单，可以看成是对高维空间坐标向量进行一次仿射变换，公式如下图中的样子：

这份ANN IP实现包含两个部分，ANN 核心实现和ANN封装实现，封装实现的作用是可以将ANN的核心实现逻辑与不同的SOC系统总线对接，当前有实现和AXI4对接的wrapper实现。

 IP核心是可以通过参数进行配置的，包括位宽，层数，输入维度，以及各层的神经元数，根据输入和输出并行、串行方式的不同，可以将各层分为三种类型，分别是"SP","PS","PP",当前的实现还不支持PP。当前的实现，数据操作是按照定点格式进行，目的是为了在有限的IP面积上使性能最大化。

可配置参数如下表所示：

 输入层适合SP，输出层适合PS

不同的属性层之间需要串并转换和并串转换：

 关于权重内存访问很有意思，首先定义的是权重内存地址的宽度，它的定义很有意思,我们可以这样理解，整个地址可以分解成几个部分， 分别是， 表示层号的这部分可以索不同的层，宽度是。接着是表示索引偏置还是权重的bias_select，它宽度只有1位，身下的位则是索引某层内部的数据了。它的宽度计算很有意思，用文字表达分成两步。

第一步：求出各层的输入数和神经元数的以2为底的对数和。就.

第二步：以第一步计算出来的各层权重位宽位集合元素，组成包含所有层的位宽的集合。

第三步：求集合中的最大值，即为最后的RAM位宽。

将RAM位宽和前面的bias select 1位宽和层ID位宽加在一起，就是最后的权重地址空间总位宽。

至于为何某层所需要的地址空间位数是，可以这样想，假设对于m输入，n个神经元的层，它需要的权重占用多少字节呢？假设每个权重只占用1个字节，所以，权重矩阵元素的个数应该位 mxn个。也就是总权重需要mxn个字节。

mxn个字节，需要占用多少总线位宽呢？ 求2为底的对数不久可以了么，也就是  

所以，一切这都这么合理，关于神经元的拓扑结构，可以参考这篇博客：

神经网络的结构和原理入门_tugouxp的专栏-优快云博客_神经网络结构神经网络的结构，简单示意图如下:神经网络的关键是中间的连线，而不是节点.数学原理如下：Size 28*28的图片含有像素点784各，构成输入向量假设第一层的第i个节点对第二层的j的节点的权重为:　　　　　　　　　　　　　则 传递矩阵为:W矩阵第一维代表后层的节点，第二维标识前层的节点....https://blog.youkuaiyun.com/tugouxp/article/details/109340428

关于NPU的设计逻辑和思路，请教OpenC906 社区群的专家给出的答复：

---

结束！