基于线性脉动阵列的卷积神经网络计算优化与性能分析

• 作者: 刘勤让 刘崇阳 周俊 王孝龙
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 线性脉动阵列 卷积神经网络 稀疏性 I/O带宽 性能分析
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 16-24
• 页数: 9页
• 分类号: TP183
• 字数: 5694字
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2018100

摘要

针对大部分FPGA端上的卷积神经网络(CNN,convolutional neural network)加速器设计未能有效利用稀疏性的问题,从带宽和能量消耗方面考虑,提出了基于线性脉动阵列的2种改进的CNN计算优化方案.首先,卷积转化为矩阵相乘形式以利用稀疏性;其次,为解决传统的并行矩阵乘法器存在较大I/O需求的问题,采用线性脉动阵列改进设计;最后,对比分析了传统的并行矩阵乘法器和2种改进的线性脉动阵列用于CNN加速的利弊.理论证明及分析表明,与并行矩阵乘法器相比,2种改进的线性脉动阵列都充分利用了稀疏性,具有能量消耗少、I/O带宽占用少的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘勤让		58	257	9.0	13.0
2	王孝龙		6	17	3.0	4.0
3	刘崇阳		5	12	1.0	3.0
4	周俊		1	1	1.0	1.0