| 面向深度神经网络加速芯片的高效硬件优化策略 |
| |
| 引用本文： | 张萌,张经纬,李国庆,吴瑞霞,曾晓洋.面向深度神经网络加速芯片的高效硬件优化策略[J].电子与信息学报,2022,43(6):1510-1517. |
| |
| 作者姓名： | 张萌 张经纬 李国庆 吴瑞霞 曾晓洋 |
| |
| 作者单位： | 东南大学电子学院国家专用集成电路系统工程技术研究中心 南京 210096;复旦大学专用集成电路与系统国家重点实验室 上海 200433 |
| |
| 摘 要： | 轻量级神经网络部署在低功耗平台上的解决方案可有效用于无人机(UAV)检测、自动驾驶等人工智能(AI)、物联网(IOT)领域,但在资源有限情况下,同时兼顾高精度和低延时来构建深度神经网络(DNN)加速器是非常有挑战性的.该文针对此问题提出一系列高效的硬件优化策略,包括构建可堆叠共享计算引擎(PE)以平衡不同卷积中数据重用和内存访问模式的不一致;提出了可调的循环次数和通道增强方法,有效扩展加速器与外部存储器之间的访问带宽,提高DNN浅层网络计算效率;优化了预加载工作流,从整体上提高了异构系统的并行度.经Xilinx Ultra96 V2板卡验证,该文的硬件优化策略有效地改进了iSmart3-SkyNet和SkrSkr-SkyNet类的DNN加速芯片设计.结果显示,优化后的加速器每秒处理78.576帧图像,每幅图像的功耗为0.068 J.
|
| 关 键 词： | 深度神经网络 目标检测 神经网络加速器 低功耗 硬件优化 |
Efficient Hardware Optimization Strategies for Deep Neural Networks Acceleration Chip |
| |
| ZHANG Meng,ZHANG Jingwei,LI Guoqing,WU Ruixia,ZENG Xiaoyang.Efficient Hardware Optimization Strategies for Deep Neural Networks Acceleration Chip[J].Journal of Electronics & Information Technology,2022,43(6):1510-1517. |
| |
| Authors: | ZHANG Meng ZHANG Jingwei LI Guoqing WU Ruixia ZENG Xiaoyang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
