基于图卷积的神经网络硬件加速器设计

作     者：常静涛 王仁平 CHANG Jing-tao;WANG Ren-ping

作者机构：福州大学物理与信息工程学院 

出 版 物：《中国集成电路》 (China lntegrated Circuit)

年 卷 期：2024年第33卷第1期

页      码：24-29,50页

摘      要：目前很多的应用都需要用图数据来表示和处理,图数据是位于非欧几里得空间中的不规则数据,出于图数据处理的需求,图卷积神经网络(GCN)应运而生。GCN的主要处理步骤有:聚合,转换和激活。在本文中,我们采用一种异构模式对GCN的推理过程进行加速。根据数据本身的特点,在转换阶段,加速器采用脉动阵列执行计算来改善数据流,在聚合阶段,将所要处理的负载分成两种类型,有助于改善聚合阶段计算过程中的负载不平衡现象,同时在一定程度上缩短计算时间。最后,通过在Xilinx Virtex UltraScale+VU37P HBM FPGA平台上进行性能评估,本工作相对于CPU和GPU分别实现了平均389.19×和6.73×的加速。

主 题 词：图卷积 机器学习 硬件加速 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1681-5289.2024.01.005

馆 藏 号：203125437...