一种基于三维可变换CNN加速结构的并行度优化搜索算法

• 作者: 屈心媛 徐宇 黄志洪 蔡刚 方震
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 现场可编程门阵列 卷积神经网络 硬件加速
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 集成电路技术|Integrated Circuit Technique
• 页码范围: 1503-1512
• 页数: 10页
• 分类号: TN47
• 语种: 中文
• DOI: 10.11999/JEIT210059

摘要

现场可编程门阵列(FPGA)被广泛应用于卷积神经网络(CNN)的硬件加速中.为优化加速器性能,Qu等人(2021)提出了一种3维可变换的CNN加速结构,但该结构使得并行度探索空间爆炸增长,搜索最优并行度的时间开销激增,严重降低了加速器实现的可行性.为此该文提出一种细粒度迭代优化的并行度搜索算法,该算法通过多轮迭代的数据筛选,高效地排除冗余的并行度方案,压缩了超过99％的搜索空间.同时算法采用剪枝操作删减无效的计算分支,成功地将计算所需时长从106?h量级减少到10?s内.该算法可适用于不同规格型号的FPGA芯片,其搜索得到的最优并行度方案性能突出,可在不同芯片上实现平均(R1,?R2)达(0.957,?0.962)的卓越计算资源利用率.