DNN在位級(jí)可組合架構(gòu)上的數(shù)據(jù)流優(yōu)化方法

摘要： 位級(jí)可組合架構(gòu)用于支持有多種數(shù)據(jù)位寬類(lèi)型的神經(jīng)網(wǎng)絡(luò)計(jì)算。其硬件結(jié)構(gòu)有較多變體，面對(duì)不同神經(jīng)網(wǎng)絡(luò)模型需額外設(shè)計(jì)程序調(diào)度。過(guò)程耗時(shí)，阻礙軟硬件的快速迭代和部署，效果難以評(píng)估。相關(guān)的數(shù)據(jù)流建模工作缺乏位級(jí)計(jì)算描述和自動(dòng)化方法。提出了基于數(shù)據(jù)流建模的自適應(yīng)位級(jí)可組合架構(gòu)上的數(shù)據(jù)調(diào)度優(yōu)化方法解決上述問(wèn)題。引入位級(jí)數(shù)據(jù)流建模，以多種循環(huán)原語(yǔ)和張量-索引關(guān)系矩陣，描述位級(jí)可組合硬件結(jié)構(gòu)的特征... （共11頁(yè)）