基于CGRA的神经网络高效数据流设计

• 作者: 李泽豪 程利甫 蒋仁兴 柳宜川 王琴
• 来源期刊: 电子测试
• 关键词: 粗粒度可重构 卷积神经网络加速 脉动阵列
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 网络与信息工程|Network and Information Engineering
• 页码范围: 67-69,78
• 页数: 4页
• 语种: 中文
• DOI: 10.3969/j.issn.1000-8519.2021.01.023

摘要

为了充分挖掘阵列结构的并行性,结合脉动阵列思想针对卷积神经网络核心算法设计了一套高效的映射数据流.在基于RTL搭建的仿真环境中,对不同尺寸的卷积核进行了测试,本文所设计的数据流方案的PE平均利用率达到了86％,相对于CPU可以得到652倍的平均加速比.在足够的片上存储资源条件下,所设计的数据流可使CGRA计算单元得到较高的执行效率.