面向深度神经网络加速芯片的高效硬件优化策略

• 作者: 张萌 张经纬 李国庆 吴瑞霞 曾晓洋
• 来源期刊: 电子与信息学报
• 关键词: 深度神经网络 目标检测 神经网络加速器 低功耗 硬件优化
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 先进芯片与系统前沿技术专题|Special Issue on Advanced Chip and System Frontier Technology
• 页码范围: 1510-1517
• 页数: 8页
• 分类号: TN79.1
• 语种: 中文
• DOI: 10.11999/JEIT210002

摘要

轻量级神经网络部署在低功耗平台上的解决方案可有效用于无人机(UAV)检测、自动驾驶等人工智能(AI)、物联网(IOT)领域,但在资源有限情况下,同时兼顾高精度和低延时来构建深度神经网络(DNN)加速器是非常有挑战性的.该文针对此问题提出一系列高效的硬件优化策略,包括构建可堆叠共享计算引擎(PE)以平衡不同卷积中数据重用和内存访问模式的不一致;提出了可调的循环次数和通道增强方法,有效扩展加速器与外部存储器之间的访问带宽,提高DNN浅层网络计算效率;优化了预加载工作流,从整体上提高了异构系统的并行度.经Xilinx Ultra96 V2板卡验证,该文的硬件优化策略有效地改进了iSmart3-SkyNet和SkrSkr-SkyNet类的DNN加速芯片设计.结果显示,优化后的加速器每秒处理78.576帧图像,每幅图像的功耗为0.068 J.