CONSTRAINING FUNCTION APPROXIMATION HARDWARE INTEGRATED WITH FIXED-POINT TO FLOATING-POINT CONVERSION

A method of constraining data represented in a deep neural network is described. The method includes determining an initial shifting specified to convert a fixed-point input value to a floating-point output value. The method also includes determining an additional shifting specified to constrain a dynamic range during converting of the fixed-point input value to the floating-point output value. The method further includes performing both the initial shifting and the additional shifting together to form a dynamic, range constrained, normalized floating-point output value. L'invention concerne un procédé permettant de limiter des données représentées dans un réseau neuronal profond. Le procédé consiste à déterminer un décalage initial spécifié pour convertir une valeur d'entrée à virgule fixe en une valeur de sortie à virgule flottante. Le procédé consiste également à déterminer un décalage supplémentaire spécifié pour contraindre une plage dynamique pendant la conversion de la valeur d'entrée à virgule fixe en valeur de sortie à virgule flottante. Le procédé consiste également à exécuter à la fois le décalage initial et le décalage supplémentaire pour former une valeur de sortie dynamique à virgule flottante normalisée et à contrainte d'intervalle.