[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111079922B - 基于axi-apb的神经网络交互系统、方法、服务器及存储介质 - Google Patents

基于axi-apb的神经网络交互系统、方法、服务器及存储介质 Download PDF

Info

Publication number
CN111079922B
CN111079922B CN201911302594.0A CN201911302594A CN111079922B CN 111079922 B CN111079922 B CN 111079922B CN 201911302594 A CN201911302594 A CN 201911302594A CN 111079922 B CN111079922 B CN 111079922B
Authority
CN
China
Prior art keywords
apb
axi
neural network
unit
excitation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911302594.0A
Other languages
English (en)
Other versions
CN111079922A (zh
Inventor
徐欣
李远超
蔡权雄
牛昕宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Corerain Technologies Co Ltd
Original Assignee
Shenzhen Corerain Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Corerain Technologies Co Ltd filed Critical Shenzhen Corerain Technologies Co Ltd
Priority to CN201911302594.0A priority Critical patent/CN111079922B/zh
Publication of CN111079922A publication Critical patent/CN111079922A/zh
Application granted granted Critical
Publication of CN111079922B publication Critical patent/CN111079922B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/08—Protocols for interworking; Protocol conversion
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Bus Control (AREA)

Abstract

本发明公开了一种基于AXI‑APB的神经网络交互系统、方法、服务器及存储介质，系统包括接收单元，用于接收多个主设备发送的多个第一激励信号；转换单元，用于根据第一转换桥将第一激励信号转换成第二激励信号；解析单元，用于根据第一预设通道和多个APB接口对多个第二激励信号进行解析，以得到多个第二激励信号对应的多个第一识别信息；仲裁单元，用于根据多个第一识别信息确定对应的每个第二激励信号的优先级；执行单元，用于根据优先级执行对应的多个第二激励信号；反馈模块，用于反馈执行结果到对应的主设备中。本发明通过AXI‑APB的转换，实现了支持多个AXI主设备对一个APB从设备进行定点计算轮训仲裁方法访问，灵活根据实际需要实现跨时钟域和高频率要求。

Description

基于AXI-APB的神经网络交互系统、方法、服务器及存储介质
技术领域
本发明实施例涉及神经网络数据传输技术，尤其涉及一种基于AXI-APB的神经网络交互系统、方法、服务器及存储介质。
背景技术
随着近些年科学技术的不断发展，为了保证信息系统的高性能需求，往往会包含较多的计算引擎与储存器。采用多个计算引擎与储存单元后，有多种方式的访问与模式以及多种端口，这就导致了接口之间的隔绝，因此需要实现多个模块之间的接口转换与访问。由于应用需要，不同的模块所需要的时序不同，其模块之间的连接不仅需要接口的转换，更需要时钟之间的跨时钟域与高时钟频率的要求。采用APB与AXI互联网络后，不仅可以大大提高传输性能与减少资源，还可以灵活提高时钟频率与实现跨时钟域。
但目前的APB与AXI互联网络无法实现任意数目的AXI主设备对一个APB或AXI从设备的接口转换与访问，并且不可灵活根据实际需要实现跨时钟域和高频率要求。
发明内容
本发明提供一种基于AXI-APB的神经网络交互系统、方法、服务器及存储介质，以实现支持多个APB主设备对一个APB从设备进行定点计算轮训仲裁方法访问。
第一方面，本发明实施例提供了一种基于AXI-APB的神经网络交互系统，包括发送模块和反馈模块，所述发送模块包括接收单元、转换单元、解析单元、仲裁单元和执行单元：
所述接收单元，用于接收多个主设备发送的多个第一激励信号，所述第一激励信号遵循AXI通信协议；
所诉转换单元，用于根据第一转换桥将所述第一激励信号转换成第二激励信号，所述第二激励信号遵循APB通信协议；
所述解析单元，用于根据第一预设通道和多个APB接口对所述多个第二激励信号进行解析，以得到所述多个第二激励信号对应的多个第一识别信息；
所述仲裁单元，用于根据所述多个第一识别信息确定对应的每个所述第二激励信号的优先级；
所述执行单元，用于根据所述优先级执行对应的所述多个第二激励信号，以完成数据的存储、计算或读取；
所述反馈模块，用于反馈执行结果到对应的所述主设备中。
进一步的，所述反馈模块包括：
获取单元，用于获取执行结果，以得到多个第一反馈信号；
解析单元，用于根据第二预设通道对所述多个第一反馈信号进行解析，以得到所述多个第一反馈信号对应的多个第二识别信息；
转换单元，用于根据第二转换桥将所述第一反馈信号转换成第二反馈信号，所述第二反馈信号遵循AXI通信协议；
发送单元，用于根据所述第二识别信息分别发送所述第二反馈信号到对应的所述主设备中。
进一步的，还包括AXI总线模块，用于连接整个所述基于AXI-APB的神经网络交互系统与外部电路。
进一步的，还包括APB总线模块，用于连接基于AXI-APB的神经网络交互系统的内部通路。
进一步的，所述主设备包括CPU、DMA和PCIE中的一种或多种。
进一步的，所述从设备包括DDR和FM中的任一一种或全部。
进一步的，整个基于AXI-APB的神经网络交互系统通过软件模块链接控制，所述软件模块用于时钟、测试信号的输入以及结果的输出。
第二方面，本发明实施例还提供了一种基于AXI-APB的神经网络交互方法，包括：
接收多个主设备发送的多个第一激励信号，所述第一激励信号遵循AXI通信协议；
根据第一转换桥将所述第一激励信号转换成第二激励信号，所述第二激励信号遵循APB通信协议；
根据第一预设通道和多个APB接口对所述多个第二激励信号进行解析，以得到所述多个第二激励信号对应的多个第一识别信息；
根据所述多个第一识别信息确定对应的每个所述第二激励信号的优先级；
根据所述优先级执行对应的所述多个第二激励信号，以完成数据的存储、计算或读取；
反馈执行结果到对应的所述主设备中。
进一步的，所述反馈执行结果到对应的所述主设备中包括：
获取执行结果，以得到多个第一反馈信号；
根据第二预设通道对所述多个第一反馈信号进行解析，以得到所述多个第一反馈信号对应的多个第二识别信息；
根据第二转换桥将所述第一反馈信号转换成第二反馈信号，所述第二反馈信号遵循AXI通信协议；
根据所述第二识别信息分别发送所述第二反馈信号到对应的所述主设备中。
第三方面，本发明实施例还提供了一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中中任一项基于AXI-APB的神经网络交互方法的步骤。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被所述处理器执行时实现上述实施例中任一项所述基于AXI-APB的神经网络交互方法的步骤。
本发明通过AXI-APB的转换，解决了现有技术中APB与AXI互联网络无法实现任意数目的AXI主设备对一个APB或AXI从设备的接口转换与访问，并且不可灵活根据实际需要实现跨时钟域和高频率要求的技术问题，实现了支持多个AXI主设备对一个APB从设备进行定点计算轮训仲裁方法访问，灵活根据实际需要实现跨时钟域和高频率要求的技术效果。
附图说明
图1为本发明实施例一提供的一种基于AXI-APB的神经网络交互系统的结构示意图；
图2为本发明实施例二提供的一种基于AXI-APB的神经网络交互系统的结构示意图；
图3为本发明实施例三提供的一种基于AXI-APB的神经网络交互方法的流程图；
图4为本发明实施例四提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一激励信号称为第二激励信号，且类似地，可将第二激励信号称为第一激励信号。第一激励信号和第二激励信号两者都是激励信号，但其不是同一激励信号。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
实施例一
图1为本发明实施例一提供的一种基于AXI-APB的神经网络交互系统的结构示意图。如图1所示，基于AXI-APB的神经网络交互系统100，包括发送模块110和反馈模块120，所述发送模块110包括接收单元111、转换单元112、解析单元113、仲裁单元114和执行单元115：
接收单元111，用于接收多个主设备发送的多个第一激励信号，所述第一激励信号遵循AXI通信协议；
具体的，激励信号是指一种输入信号，主要是减低方波频率以及叠加电压的方式工作。在时序逻辑电路中，又称为组合电路的内部输出信号。AXI通信协议是指一种总线协议，该协议是ARM公司提出的AMBA3.0中最重要的部分，是一种面向高性能、高带宽、低延迟的片内总线。在本实施例中，主设备可以是高速串行计算机扩展总线标准(peripheralcomponent interconnect express，PCIE)设备、芯片后门或者是中央处理器(CentralProcessing Unit/Processor，CPU)。
转换单元112，用于根据第一转换桥将所述第一激励信号转换成第二激励信号，所述第二激励信号遵循APB通信协议；
具体的，在本实施例中，第一转换桥是指AXI-APB转换桥，这种转换桥是指一种将遵循AXI通信协议的信号转换为遵循APB通信协议的信号的工具,也称为桥接器，它在AXI接口上充当从机，在APB接口上充当主机。AXI-APB桥接器的主要用途是将APB从设备与AXI主设备连接起来。APB通信协议是指一种AMBA 3协议系列，它提供了一个低功耗的接口，并降低了接口的复杂性，APB接口可以用在低宽带和不需要高性能的外围设备上。APB是非流水线结构，所有的信号仅与时钟上升沿相关，这样就可以简化APB外围设备的设计流程，每个传输至少耗用两个周期。
解析单元113，用于根据第一预设通道和多个APB接口对所述多个第二激励信号进行解析，以得到所述多个第二激励信号对应的多个第一识别信息；
具体的，在解析单元113接收到转换单元112发送的第二激励信号后，对第二激励信号进行信号解析，对每个第二激励信号中对应每个主设备的ID号进行提取，从而得到每个第二激励信号对应的第一识别信息(即ID号)。
仲裁单元114，用于根据所述多个第一识别信息确定对应的每个所述第二激励信号的优先级；
具体的，可以预先设置好每个主设备对应的ID号的优先级，举例来说，有A、B、C三个主设备同时对从设备进行访问时(即A、B、C三个主设备同时发送第一激励信号到从设备中)，A设备对应的ID号为a，B设备对应的ID号为b，C设备对应的ID号为c,预先规定处理顺序(即优先级)为a到b到c，也就是说，当仲裁单元114接收到解析单元113发送的a、b和c时，仲裁单元114会将这些ID号(即第一识别信息)与预先设置的ID号优先级进行匹配，从而确定每个ID号对应的第二激励信号的优先级，即先处理A设备对应的第二激励信号，然后处理B设备对应的第二激励信号，最后处理C设备对应的第二激励信号。
执行单元115，用于根据所述优先级执行对应的所述多个第二激励信号，以完成数据的存储、计算或读取；
具体的，根据仲裁单元114中确定的每个第二激励信号的优先级，从设备的执行单元115先后执行对应的第二激励信号。
反馈模块120，用于反馈执行结果到对应的所述主设备中。
具体的，在从设备每执行完一个第二激励信号的命令后，通过反馈模块120向主设备反馈执行结果，在本实施例中，执行结果可以是需要读取的数据或者数据计算结果。
本发明实施例一的有益效果在于通过AXI-APB的转换，实现了支持多个AXI主设备对一个APB从设备进行定点计算轮训仲裁方法访问，灵活根据实际需要实现跨时钟域和高频率要求。
实施例二
本发明实施例二是在实施例一的基础上做的进一步优化。图2为本发明实施例二提供的一种基于AXI-APB的神经网络交互系统的结构示意图。如图2所示，本实施例的基于AXI-APB的神经网络交互系统200，包括发送模块210和反馈模块220，所述发送模块包括接收单元211、转换单元212、解析单元213、仲裁单元214和执行单元215：
接收单元211，用于接收多个主设备发送的多个第一激励信号，所述第一激励信号遵循AXI通信协议；
具体的，激励信号是指一种输入信号，主要是减低方波频率以及叠加电压的方式工作。在时序逻辑电路中，又称为组合电路的内部输出信号。AXI通信协议是指一种总线协议，该协议是ARM公司提出的AMBA3.0中最重要的部分，是一种面向高性能、高带宽、低延迟的片内总线。
转换单元212，用于根据第一转换桥将所述第一激励信号转换成第二激励信号，所述第二激励信号遵循APB通信协议；
具体的，在本实施例中，第一转换桥是指AXI-APB转换桥，这种转换桥是指一种将遵循AXI通信协议的信号转换为遵循APB通信协议的信号的工具,也称为桥接器，它在AXI接口上充当从机，在APB接口上充当主机。AXI-APB桥接器的主要用途是将APB从设备与AXI主设备连接起来。APB通信协议是指一种AMBA 3协议系列，它提供了一个低功耗的接口，并降低了接口的复杂性，APB接口可以用在低宽带和不需要高性能的外围设备上。APB是非流水线结构，所有的信号仅与时钟上升沿相关，这样就可以简化APB外围设备的设计流程，每个传输至少耗用两个周期。
解析单元213，用于根据第一预设通道和多个APB接口对所述多个第二激励信号进行解析，以得到所述多个第二激励信号对应的多个第一识别信息；
具体的，在解析单元213接收到转换单元212发送的第二激励信号后，对第二激励信号进行信号解析，对每个第二激励信号中对应每个主设备的ID号进行提取，从而得到每个第二激励信号对应的第一识别信息(即ID号)。
仲裁单元214，用于根据所述多个第一识别信息确定对应的每个所述第二激励信号的优先级；
具体的，可以预先设置好每个主设备对应的ID号的优先级，举例来说，有A、B、C三个主设备同时对从设备进行访问时(即A、B、C三个主设备同时发送第一激励信号到从设备中)，A设备对应的ID号为a，B设备对应的ID号为b，C设备对应的ID号为c,预先规定处理顺序(即优先级)为a到b到c，也就是说，当仲裁单元214接收到解析单元213发送的a、b和c时，仲裁单元214会将这些ID号(即第一识别信息)与预先设置的ID号优先级进行匹配，从而确定每个ID号对应的第二激励信号的优先级，即先处理A设备对应的第二激励信号，然后处理B设备对应的第二激励信号，最后处理C设备对应的第二激励信号。
执行单元215，用于根据所述优先级执行对应的所述多个第二激励信号，以完成数据的存储、计算或读取；
具体的，根据仲裁单元214中确定的每个第二激励信号的优先级，从设备的执行单元215先后执行对应的第二激励信号。
反馈模块220，用于反馈执行结果到对应的所述主设备中。
具体的，在从设备每执行完一个第二激励信号的命令后，通过反馈模块220向主设备反馈执行结果，在本实施例中，执行结果可以是需要读取的数据或者数据计算结果。
在本实施例中，所述反馈模块220包括：
获取单元，用于获取执行结果，以得到多个第一反馈信号；
具体的，当执行单元215每执行完一个第二激励信号，就反馈生成一个对应的执行结果，发送到反馈模块220，得到每个第二激励信号对应的第一反馈信号。
解析单元，用于根据第二预设通道对所述多个第一反馈信号进行解析，以得到所述多个第一反馈信号对应的多个第二识别信息；
具体的，对第一反馈信号进行解析后，可以将第一反馈信号中包含的用于识别功能的ID号(即第二识别信息)提取出来，每个ID号对应不同的主设备。
转换单元，用于根据第二转换桥将所述第一反馈信号转换成第二反馈信号，所述第二反馈信号遵循AXI通信协议；
具体的，在本实施例中，第二转换桥是指APB-AXI转换桥，即一种将APB信号转换成AXI信号的工具。
发送单元，用于根据所述第二识别信息分别发送所述第二反馈信号到对应的所述主设备中。
具体的，在得到每个第一反馈信号对应的第二识别信息后，根据第二识别信息，将第二识别信息对应的第一反馈信号转换成的第二反馈信号发送到对应的主设备中。
在本实施例中，基于AXI-APB的神经网络交互系统200还包括AXI总线模块230，用于连接整个所述基于AXI-APB的神经网络交互系统200与外部电路。
在本实施例中，基于AXI-APB的神经网络交互系统200还包括APB总线模块240，用于连接基于AXI-APB的神经网络交互系统200的内部通路。
在本实施例中，所述主设备包括CPU、DMA和PCIE中的一种或多种。
具体的，CPU是指中央处理器(Central Processing Unit/Processor，CPU)，DMA是指直接内存存取(Direct Memory Access，DMA)，PCIE是指一种高速串行计算机扩展总线标准(peripheral component interconnect express，PCIE)，它原来的名称为“3GIO”，是由英特尔在2001年提出的，旨在替代旧的PCI，PCI-X和AGP总线标准。PCIE属于高速串行点对点双通道高带宽传输，所连接的设备分配独享通道带宽，不共享总线带宽，主要支持主动电源管理，错误报告，端对端的可靠性传输，热插拔以及服务质量(QOS)等功能。
在本实施例中，所述从设备包括DDR和FM中的任一一种或全部。
具体的，DDR是指DDR SDRAM(Double Data Rate Synchronous Dynamic RandomAccess Memory，DDRS),一种双倍速率同步动态随机存储器，人们习惯称为DDR。DDR内存是在SDRAM内存基础上发展而来的，仍然沿用SDRAM生产体系，因此对于内存厂商而言，只需对制造普通SDRAM的设备稍加改进，即可实现DDR内存的生产，可有效的降低成本。FM是指快闪存储器(flash memory，FM)，是一种电子式可清除程序化只读存储器的形式，允许在操作中被多次擦或写的存储器。这种科技主要用于一般性数据存储，以及在计算机与其他数字产品间交换传输数据，如储存卡与U盘。
在本实施例中，整个基于AXI-APB的神经网络交互系统通过软件模块链接控制，所述软件模块用于时钟、测试信号的输入以及结果的输出。
本发明实施例二的有益效果在于通过AXI-APB的转换，实现了支持任意数目的AXI接口主设备对同一个基于APB接口的从设备的访问以及接口转换，支持任意数目的AXI接口主设备对同一个基于APB接口的从设备的访问，支持任意数目的主设备采用定点计算的轮询仲裁方法访问同一个从设备，以及可根据实际的应用要求，灵活插入跨时钟域模块与流水寄存器模块以实现跨时钟域与达到高时钟频率需求的技术效果。
实施例三
图3为本发明实施例三提供的一种基于AXI-APB的神经网络交互方法的流程图。如图3所示，一种基于AXI-APB的神经网络交互方法，包括：
步骤S310、接收多个主设备发送的多个第一激励信号，所述第一激励信号遵循AXI通信协议；
具体的，激励信号是指一种输入信号，主要是减低方波频率以及叠加电压的方式工作。在时序逻辑电路中，又称为组合电路的内部输出信号。AXI通信协议是指一种总线协议，该协议是ARM公司提出的AMBA3.0中最重要的部分，是一种面向高性能、高带宽、低延迟的片内总线。
步骤S320、根据第一转换桥将所述第一激励信号转换成第二激励信号，所述第二激励信号遵循APB通信协议；
具体的，在本实施例中，第一转换桥是指AXI-APB转换桥，这种转换桥是指一种将遵循AXI通信协议的信号转换为遵循APB通信协议的信号的工具,也称为桥接器，它在AXI接口上充当从机，在APB接口上充当主机。AXI-APB桥接器的主要用途是将APB从设备与AXI主设备连接起来。APB通信协议是指一种AMBA 3协议系列，它提供了一个低功耗的接口，并降低了接口的复杂性，APB接口可以用在低宽带和不需要高性能的外围设备上。APB是非流水线结构，所有的信号仅与时钟上升沿相关，这样就可以简化APB外围设备的设计流程，每个传输至少耗用两个周期。
步骤S330、根据第一预设通道和多个APB接口对所述多个第二激励信号进行解析，以得到所述多个第二激励信号对应的多个第一识别信息；
具体的，在得到第二激励信号后，对第二激励信号进行信号解析，对每个第二激励信号中对应每个主设备的ID号进行提取，从而得到每个第二激励信号对应的第一识别信息(即ID号)。
步骤S340、根据所述多个第一识别信息确定对应的每个所述第二激励信号的优先级；
具体的，可以预先设置好每个主设备对应的ID号的优先级，举例来说，有A、B、C三个主设备同时对从设备进行访问时(即A、B、C三个主设备同时发送第一激励信号到从设备中)，A设备对应的ID号为a，B设备对应的ID号为b，C设备对应的ID号为c,预先规定处理顺序(即优先级)为a到b到c，也就是说，当从设备接收到a、b和c时，从设备会将这些ID号(即第一识别信息)与预先设置的ID号优先级进行匹配，从而确定每个ID号对应的第二激励信号的优先级，即先处理A设备对应的第二激励信号，然后处理B设备对应的第二激励信号，最后处理C设备对应的第二激励信号。
步骤S350、根据所述优先级执行对应的所述多个第二激励信号，以完成数据的存储、计算或读取；
具体的，根据步骤S340中确定的每个第二激励信号的优先级，从设备先后执行对应的第二激励信号。
步骤S360、获取执行结果，以得到多个第一反馈信号；
具体的，当从设备每执行完一个第二激励信号，就反馈生成一个对应的执行结果，得到每个第二激励信号对应的第一反馈信号。
步骤S370、根据第二预设通道对所述多个第一反馈信号进行解析，以得到所述多个第一反馈信号对应的多个第二识别信息；
具体的，对第一反馈信号进行解析后，可以将第一反馈信号中包含的用于识别功能的ID号(即第二识别信息)提取出来，每个ID号对应不同的主设备。
步骤S380、根据第二转换桥将所述第一反馈信号转换成第二反馈信号，所述第二反馈信号遵循AXI通信协议；
具体的，在本实施例中，第二转换桥是指APB-AXI转换桥，即一种将APB信号转换成AXI信号的工具。
步骤S390、根据所述第二识别信息分别发送所述第二反馈信号到对应的所述主设备中。
具体的，在得到每个第一反馈信号对应的第二识别信息后，根据第二识别信息，将第二识别信息对应的第一反馈信号转换成的第二反馈信号发送到对应的主设备中。
本发明实施例三的有益效果在于通过提供一种AXI-APB交互方法，实现了支持任意数目的AXI接口主设备对同一个基于APB接口的从设备的访问以及接口转换，支持任意数目的AXI接口主设备对同一个基于APB接口的从设备的访问，支持任意数目的主设备采用定点计算的轮询仲裁方法访问同一个从设备，以及可根据实际的应用要求，灵活插入跨时钟域模块与流水寄存器模块以实现跨时钟域与达到高时钟频率需求的技术效果。
实施例四
图4为本发明实施例四提供的一种服务器的结构示意图，如图4所示，该服务器包括处理器410、存储器420、输入装置430和输出装置440；服务器中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；服务器中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器410作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的数据流图的节点调度方法对应的程序指令/模块(例如，基于AXI-APB的神经网络交互系统中的发送模块和反馈模块)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述的基于AXI-APB的神经网络交互方法。
也即：
接收多个主设备发送的多个第一激励信号，所述第一激励信号遵循AXI通信协议；
根据第一转换桥将所述第一激励信号转换成第二激励信号，所述第二激励信号遵循APB通信协议；
根据第一预设通道和多个APB接口对所述多个第二激励信号进行解析，以得到所述多个第二激励信号对应的多个第一识别信息；
根据所述多个第一识别信息确定对应的每个所述第二激励信号的优先级；
根据所述优先级执行对应的所述多个第二激励信号，以完成数据的存储、计算或读取；
反馈执行结果到对应的所述主设备中。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与服务器的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种基于AXI-APB的神经网络交互方法，该方法包括：
接收多个主设备发送的多个第一激励信号，所述第一激励信号遵循AXI通信协议；
根据第一转换桥将所述第一激励信号转换成第二激励信号，所述第二激励信号遵循APB通信协议；
根据第一预设通道和多个APB接口对所述多个第二激励信号进行解析，以得到所述多个第二激励信号对应的多个第一识别信息；
根据所述多个第一识别信息确定对应的每个所述第二激励信号的优先级；
根据所述优先级执行对应的所述多个第二激励信号，以完成数据的存储、计算或读取；
反馈执行结果到对应的所述主设备中。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的基于AXI-APB的神经网络交互方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述基于AXI-APB的神经网络交互系统的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种基于AXI-APB的神经网络交互系统，其特征在于，包括发送模块和反馈模块，所述发送模块包括接收单元、转换单元、解析单元、仲裁单元和执行单元：
所述接收单元，用于接收多个主设备发送的多个第一激励信号，所述第一激励信号遵循AXI通信协议；
所述转换单元，用于根据第一转换桥将所述第一激励信号转换成第二激励信号，所述第二激励信号遵循APB通信协议；
所述解析单元，用于根据第一预设通道和多个APB接口对所述多个第二激励信号进行解析，以得到所述多个第二激励信号对应的多个第一识别信息；
所述仲裁单元，用于根据所述多个第一识别信息确定对应的每个所述第二激励信号的优先级；
所述执行单元，用于从设备根据所述优先级执行对应的所述多个第二激励信号，以完成数据的存储、计算或读取；
所述反馈模块，用于反馈执行结果到对应的所述主设备中。
2.根据权利要求1所述的一种基于AXI-APB的神经网络交互系统，其特征在于，所述反馈模块包括：
获取单元，用于获取执行结果，以得到多个第一反馈信号；
解析单元，用于根据第二预设通道对所述多个第一反馈信号进行解析，以得到所述多个第一反馈信号对应的多个第二识别信息；
转换单元，用于根据第二转换桥将所述第一反馈信号转换成第二反馈信号，所述第二反馈信号遵循AXI通信协议；
发送单元，用于根据所述第二识别信息分别发送所述第二反馈信号到对应的所述主设备中。
3.根据权利要求1所述的一种基于AXI-APB的神经网络交互系统，其特征在于，还包括AXI总线模块，用于连接整个所述基于AXI-APB的神经网络交互系统与外部电路。
4.根据权利要求1所述的一种基于AXI-APB的神经网络交互系统，其特征在于，还包括APB总线模块，用于连接基于AXI-APB的神经网络交互系统的内部通路。
5.根据权利要求1所述的一种基于AXI-APB的神经网络交互系统，其特征在于，所述主设备包括CPU、DMA和PCIE中的一种或多种。
6.根据权利要求1所述的一种基于AXI-APB的神经网络交互系统，其特征在于，所述从设备包括DDR和FM中的任一一种或全部。
7.根据权利要求1-6任一项所述的一种基于AXI-APB的神经网络交互系统，其特征在于，整个基于AXI-APB的神经网络交互系统通过软件模块链接控制，所述软件模块用于时钟、测试信号的输入以及结果的输出。
8.一种基于AXI-APB的神经网络交互方法，其特征在于，包括：
接收多个主设备发送的多个第一激励信号，所述第一激励信号遵循AXI通信协议；
根据第一转换桥将所述第一激励信号转换成第二激励信号，所述第二激励信号遵循APB通信协议；
根据第一预设通道和多个APB接口对所述多个第二激励信号进行解析，以得到所述多个第二激励信号对应的多个第一识别信息；
根据所述多个第一识别信息确定对应的每个所述第二激励信号的优先级；
根据所述优先级执行对应的所述多个第二激励信号，以完成数据的存储、计算或读取；
反馈执行结果到对应的所述主设备中。
9.根据权利要求8所述的一种基于AXI-APB的神经网络交互方法，其特征在于，所述反馈执行结果到对应的所述主设备中包括：
获取执行结果，以得到多个第一反馈信号；
根据第二预设通道对所述多个第一反馈信号进行解析，以得到所述多个第一反馈信号对应的多个第二识别信息；
根据第二转换桥将所述第一反馈信号转换成第二反馈信号，所述第二反馈信号遵循AXI通信协议；
根据所述第二识别信息分别发送所述第二反馈信号到对应的所述主设备中。
10.一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求8-9中任一项基于AXI-APB的神经网络交互方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求8-9中任一项所述基于AXI-APB的神经网络交互方法的步骤。
CN201911302594.0A 2019-12-17 2019-12-17 基于axi-apb的神经网络交互系统、方法、服务器及存储介质 Active CN111079922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911302594.0A CN111079922B (zh) 2019-12-17 2019-12-17 基于axi-apb的神经网络交互系统、方法、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911302594.0A CN111079922B (zh) 2019-12-17 2019-12-17 基于axi-apb的神经网络交互系统、方法、服务器及存储介质

Publications (2)

Publication Number Publication Date
CN111079922A CN111079922A (zh) 2020-04-28
CN111079922B true CN111079922B (zh) 2023-04-18

Family

ID=70315137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911302594.0A Active CN111079922B (zh) 2019-12-17 2019-12-17 基于axi-apb的神经网络交互系统、方法、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN111079922B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111983429B (zh) * 2020-08-19 2023-07-18 Oppo广东移动通信有限公司 芯片验证系统、芯片验证方法、终端及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766812A (zh) * 2017-10-12 2018-03-06 东南大学—无锡集成电路技术研究所 一种基于MiZ702N的实时人脸检测识别系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3791005B2 (ja) * 2001-11-20 2006-06-28 日本電気株式会社 バスアクセス調停装置及びバスアクセス調停方法
CN104462013B (zh) * 2014-06-26 2017-10-10 奥诚信息科技(上海)有限公司 一种光学三维传感专用asic芯片系统
CN109032973B (zh) * 2018-07-09 2020-10-16 芯来科技(武汉)有限公司 Icb总线系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766812A (zh) * 2017-10-12 2018-03-06 东南大学—无锡集成电路技术研究所 一种基于MiZ702N的实时人脸检测识别系统

Also Published As

Publication number Publication date
CN111079922A (zh) 2020-04-28

Similar Documents

Publication Publication Date Title
CN101937412B (zh) 一种片上系统及其访问方法
CN105068951B (zh) 一种具有非等时传输结构的片上系统总线
US8914566B2 (en) Managing interrupts
CN106294239B (zh) 一种外围总线apb总线桥
US10747699B2 (en) Bus control circuit, semiconductor integrated circuit, circuit board, information processing device and bus control method
CN106951379A (zh) 一种基于axi协议的高性能ddr控制器及数据传输方法
CN104850524A (zh) 一种跨时钟域的ahb总线桥接方法和装置
DE102021121490A1 (de) Annähernde datenbusinversionstechnik für latenzempfindliche anwendungen
CN111079922B (zh) 基于axi-apb的神经网络交互系统、方法、服务器及存储介质
CN112988647A (zh) 一种TileLink总线到AXI4总线转换系统及方法
CN101710311B (zh) 一种非对称多元资源节点体系结构
Gaikwad et al. Verification of AMBA AXI on-chip communication protocol
CN115827524A (zh) 一种数据传输方法以及装置
CN111506461B (zh) 一种基于总线、用于测试的反压模块及其实现方法
CN102591817A (zh) 一种多总线桥控制器及其实现方法
CN112256426A (zh) 具有总线仲裁器的主从通信系统及通信方法
CN106326172B (zh) 一种APB总线slave接口扩展电路及其使用方法
US12105655B2 (en) System and method for optimizing AHB bus data transmission performance and server
CN104836710A (zh) 一种基于分布式系统一主多从通信的方法与装置
CN105988959B (zh) 一种异步数据传输方法及系统
CN109144927B (zh) 一种多fpga互联装置
Han et al. Converting Interfaces on Application-specific Network-on-chip
CN113496107B (zh) 一种可综合的cpu模型
CN221650928U (zh) 一种基于总线的数据通信系统
CN218886572U (zh) 一种简单外设总线系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant