一种细粒度可重构的深度神经网络加速芯片

• 作者: 刘晏辰 刘洋
• 来源期刊: 半导体技术
• 学科: 工学
• 关键词: 细粒度 深度神经网络(DNN) 处理单元 片上网络(NOC) 乘加器 激活函数
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 半导体集成电路
• 页码范围: 25-30,51
• 页数: 7页
• 分类号: TN492
• 语种: 中文
• DOI: 10.13290/j.cnki.bdtjs.2020.01.003

摘要

提出了一种高能效的细粒度可重构的深度神经网络(DNN)加速芯片.该芯片是基于并行计算阵列设计的,它包含144个处理单元,多个处理单元可以实现卷积、矩阵乘、取最大值或取平均值等运算,可以用于加速DNN.每个处理单元之间是通过片上网络(NOC)连接的,每个处理单元的运算结果可以直接发送给相邻的处理单元,运算中间数据不需要缓存.相邻处理单元间的数据流可以自由配置成各种拓扑结构,从而适配运算的多样性.为了实现激活函数,提出了一种高效的映射非线性函数的硬件实现方法.该芯片采用了标准的130 nm CMOS工艺制造,芯片面积为5.77 mm2.该设计在133 MHz的工作频率下实现了38.3 GOPS的峰值算力.该芯片在1.2V的电源电压下功耗为109 mW,芯片能效为0.351 TOPS/W.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘洋	电子科技大学电子科学与工程学院电子薄膜与集成器件国家重点实验室	46	174	7.0	11.0
2	刘晏辰	电子科技大学电子科学与工程学院电子薄膜与集成器件国家重点实验室	1	0	0.0	0.0