基于线性脉动阵列的卷积神经网络计算优化与性能分析

作     者：刘勤让 刘崇阳 周俊 王孝龙 LIU Qinrang;LIU Chongyang;ZHOU Jun;WANG Xiaolong

作者机构：国家数字交换系统工程技术研究中心河南郑州450002 

基　　金：国家科技重大专项基金资助项目(No.2016ZX01012101) 国家自然科学基金资助项目(No.61572520) 国家自然科学基金创新研究群体资助项目(No.61521003)~~ 

出 版 物：《网络与信息安全学报》 (Chinese Journal of Network and Information Security)

年 卷 期：2018年第4卷第12期

页      码：16-24页

摘      要：针对大部分FPGA端上的卷积神经网络(CNN, convolutional neural network)加速器设计未能有效利用稀疏性的问题,从带宽和能量消耗方面考虑,提出了基于线性脉动阵列的2种改进的CNN计算优化方案。首先,卷积转化为矩阵相乘形式以利用稀疏性;其次,为解决传统的并行矩阵乘法器存在较大I/O需求的问题,采用线性脉动阵列改进设计;最后,对比分析了传统的并行矩阵乘法器和2种改进的线性脉动阵列用于CNN加速的利弊。理论证明及分析表明,与并行矩阵乘法器相比,2种改进的线性脉动阵列都充分利用了稀疏性,具有能量消耗少、I/O带宽占用少的优势。

主 题 词：线性脉动阵列 卷积神经网络 稀疏性 I/O带宽 性能分析 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.11959/j.issn.2096-109x.2018100

馆 藏 号：203430069...