基于误差模型的权重二值神经网络近似加速

• 作者: 朱新忠 程利甫 吴有余 林闽佳 胡汝豪
• 来源期刊: 上海航天（中英文）
• 关键词: 近似计算 近似加法器 高能效计算 统计误差模型 权重二值化神经网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 人工智能与高效能计算|Artificial Intelligence and High-Performance Computing
• 页码范围: 25-30
• 页数: 6页
• 分类号: TN47|TP302.1
• 语种: 中文
• DOI: 10.19328/j.cnki.2096⁃8655.2021.04.004

摘要

针对智能识别系统精确度和硬件复杂度之间的均衡设计问题,提出了一种基于误差统计模型的权重二值神经网络近似加速方法.在提出了一种获得高精度轻量神经网络的权重二值化处理算法基础上,引入近似加法器、消除乘法器以进一步提高能效.最终提出了一种系统级误差统计模型用于系统评估和优化设计,该设计能够分析和预测权重二值神经网络近似加速系统的最终精度.结果表明:该模型可以准确地预测系统精度,与仿真结果对比,相对误差在2.05％～3.07％.该模型预测用于指导相应软硬件的设计优化,可大幅提高设计的迭代速度.