| 祁玉琼* **,张明喆*,吴海彬*,叶笑春*.面向CNN加速器的一种建模与优化设计方法研究[J].高技术通讯(中文),2022,32(8):773~788 |
| 面向CNN加速器的一种建模与优化设计方法研究 |
| The research of modeling and optimization for CNN accelerators |
| |
| DOI：10.3772/j.issn.1002-0470.2022.08.001 |
| 中文关键词: 卷积神经网络(CNN)； CNN加速器； 性能与能耗通用评估模型(CNNGModel)； CNN加速器优化策略 |
| 英文关键词: convolutional neural network (CNN), CNN accelerator, general performance and energy consumption model for CNN accelerator (CNNGModel), CNN accelerator optimization strategy |
| 基金项目: |
| 作者 | 单位 | | 祁玉琼* ** | （*中国科学院计算技术研究所计算机体系结构国家重点实验室北京 100190）
（**中国科学院大学北京 100049） | | 张明喆* | （*中国科学院计算技术研究所计算机体系结构国家重点实验室北京 100190）
（**中国科学院大学北京 100049） | | 吴海彬* | （*中国科学院计算技术研究所计算机体系结构国家重点实验室北京 100190）
（**中国科学院大学北京 100049） | | 叶笑春* | （*中国科学院计算技术研究所计算机体系结构国家重点实验室北京 100190）
（**中国科学院大学北京 100049） |
|
| 摘要点击次数: 1460 |
| 全文下载次数: 1926 |
| 中文摘要: |
| 本文提出了一种卷积神经网络（CNN）加速器性能与能耗通用评估模型(CNNGModel)。CNNGModel通过CNN加速器中不同结构的具体设计，可以估计该加速器处理不同任务时需要的时间与能耗。在硬件工程师使用硬件描述语言实现该加速器前，通过CNNGModel可以提前判断当前CNN加速器的设计是否符合应用需求，从而减少后续不必要的工作量。在实验部分，首先设计并实现了3个CNN加速器；其次分析对比CNNGModel、模拟器VTA以及仿真综合3种方式得到的每个加速器在处理不同CNN时的多项结果，其中对于处理时间的估计，CNNGModel与仿真综合的差距低至3.0%，对于功率，差距则低至6.5%；最后依据CNNGModel，从能耗和性能两方面给出了多项CNN加速器优化策略。 |
| 英文摘要: |
| A general performance and energy consumption model for convolutional neural networks (CNN) accelerators (CNNGModel) is proposed. According to the design of different structures in a CNN accelerator, CNNGModel can estimate the time and energy consumption of an accelerator when it processes different tasks. CNNGModel can determine whether the current CNN accelerator design meets application requirements before this accelerator is implemented by hardware engineers, thus reducing unnecessary time and manpower. In the experiment, first, three typical CNN accelerators are designed and implemented. Secondly, multiple results of each accelerator dealing with different CNNs are analyzed and compared, and these results are obtained through three methods: CNNGModel, simulator VTA, and simulation and synthesis. For processing time, the difference between CNNGModel and simulation is as low as 3.0%, and for power, the gap is only 6.5%. Finally, based on CNNGModel, some CNN accelerator optimization strategies are given in terms of energy consumption and performance. |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
