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

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