KNMC:基于近内存计算的k-NN和k-means加速器设计

作     者：连铎 刘博生 吴亚兰 武继刚 LIAN Duo;LIU Bo-sheng;WU Ya-lan;WU Ji-gang

作者机构：广东工业大学计算机学院广州510006 

基　　金：国家自然科学基金项目(62072118)资助 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2023年第44卷第7期

页      码：1405-1411页

摘      要：k近邻算法(k-Nearest Neighbor,k-NN)和k-均值(k-means)算法在数据挖掘,文本分类,人脸识别等领域中被广泛应用.相比于深度学习(如卷积神经网络,Convolutional Neural Networks,CNNs),k-NN和k-means能获得相近的精度情况下提供更简单的计算.尽管如此,硬件加速器在计算k-NN和k-means过程中,需大量访问片外动态随机存取存储器(Dynamic Random-Access Memory,DRAM)设备,能耗非常高.为解决这一问题,本项工作提出一个基于近内存计算(near-memory computing)的k-NN和k-means的可配置加速器KNMC.该加速器通过配置能灵活调度k-NN和k-means.为提高加速器的能效,本项工作还进行设计空间探索,探索加速器达到最优能效的片上缓存(on-chip buffer)容量和处理单元(Process Element,PE)规模的配置.实验结果表明,KNMC与最先进的基准加速器相比,能有效提升性能和能效.

主 题 词：加速器 k近邻算法 k-均值算法 近内存计算 设计空间探索 

学科分类：080903[080903] 0809[工学-计算机类] 08[工学] 

D　O　I：10.20009/j.cnki.21-1106/TP.2021-0885

馆 藏 号：203122503...