一种面向神威·太湖之光的通用并行卷积算法

• 作者: 安虹 武铮 舒嘉明 陈俊仕
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 神威·太湖之光 卷积神经网络 数据重用 软件流水 批量受限
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 153-159
• 页数: 7页
• 分类号: TP38
• 字数: 5298字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053855

摘要

神威·太湖之光深度学习库中的并行卷积算法存在批量受限的问题,且传统gemm卷积算法在其硬件架构上效率较低.基于申威异构众核处理器,提出一种无批量限制的通用并行卷积算法.结合异步DMA访存操作和从核间的寄存器通信,使用数据重用和软件流水等方法降低从核访存开销,利用手动向量化的方法充分发挥从核浮点的计算能力.实验结果表明,与基础7层循环算法、gemm算法和Intel平台上的MKL-DNN算法相比,该算法的加速性能较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安虹	中国科学技术大学计算机科学与技术学院	65	224	7.0	12.0
2	武铮	中国科学技术大学计算机科学与技术学院	5	1	1.0	1.0
3	舒嘉明	中国科学技术大学计算机科学与技术学院	1	0	0.0	0.0
4	陈俊仕	中国科学技术大学计算机科学与技术学院	10	25	3.0	5.0