面向低资源芯片的高效自适应卷积神经网络加速器.pdfVIP

://

httwww．skx．com

pjj

:/

DOI１０．１１８９６skx．２４１００００９９

jj

面向低资源芯片的高效自适应卷积神经网络加速器

庞明义１魏祥麟２张云祥２王斌２庄建军１

南京信息工程大学电子与信息工程学院南京

１２１１８００

国防科技大学第六十三研究所南京

２２１０００７

()

２０２３１２４９０２８５＠nuist．edu．cn

摘要文中提出了一种面向非类低资源芯片的自适应卷积神经网络加速器(

GPUAdativeConvolutionalNeuralNetwork

p

,),.,

AcceleratorACNNA其可根据硬件平台资源约束和卷积神经网络结构自适应生成对应的硬件加速器通过可重构特性

、、.,

ACNNA可有效加速包括卷积层池化层激活层和全连接层在内的各种网络层组合首先设计了一种资源折叠式多通道处

(,),,.,

理引擎ProcessinEninePE阵列将理想化卷积结构进行折叠以节省资源在输出通道上展开以支持并行计算其次采用

gg

,.,,

多级存储与乒乓缓存机制对流水线进行优化有效提升数据处理效率然后提出了一种多级存储下的资源复用策略结合设

,,.

计空间探索算法针对网络参数调度硬件资源分配使低资源芯片可部署层次更深且参数更多的网络模型以LeNet５和

,.,

VGG１６网络模型为例在Ultra９６V２开发板上对ACNNA进行了验证结果显示采用ACNNA部署的VGG１６最低仅消耗

.,;

了原网络４％的资源量在１００MHz主频下LeNet５加速器在２．０５W的功耗下计算速率达０．３７GFLOPSVGG１６加速器在

.,