一種負(fù)載均衡的LSTM 硬件加速器設(shè)計(jì)
關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)加速器 模型壓縮 負(fù)載均衡 嵌入式設(shè)計(jì)
摘要：神經(jīng)網(wǎng)絡(luò)在嵌入式端的應(yīng)用日益廣泛,為滿(mǎn)足嵌入式端低功耗,低延遲等特點(diǎn),通常的解決方案是針對(duì)長(zhǎng)短記憶序列LSTM模型(Long-Short Term Memory)進(jìn)行壓縮,并定制專(zhuān)用的硬件加速器.當(dāng)LSTM模型經(jīng)過(guò)剪枝等壓縮操作后,其網(wǎng)絡(luò)模型將變得稀疏且不規(guī)則,會(huì)給PE(Process Element)運(yùn)算單元帶來(lái)負(fù)載不均衡的問(wèn)題.通過(guò)排序的方法,將權(quán)重矩陣按一定的規(guī)則重新分發(fā)給各個(gè)PE單元,并在此基礎(chǔ)上針對(duì)稀疏化的模型定制專(zhuān)用的硬件單元.在賽靈思zynq系列XCZU9EG.2FFVB1156E開(kāi)發(fā)板上進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果顯示,當(dāng)PE單元多消耗0.314%硬件資源的情況下,其運(yùn)算速度取得了2%的提升.
南京大學(xué)學(xué)報(bào)·自然科學(xué)雜志要求:
{1}基金項(xiàng)目的成果或論文，請(qǐng)?jiān)谑醉?yè)注明基金項(xiàng)目類(lèi)別、課題項(xiàng)目名稱(chēng)及編號(hào)。
{2}稿件要求資料真實(shí)可靠，內(nèi)容充實(shí)，論點(diǎn)明確，推論嚴(yán)謹(jǐn)，設(shè)計(jì)合理，數(shù)據(jù)準(zhǔn)確，結(jié)構(gòu)嚴(yán)密，層次分明，文通句順，字跡端正。
{3}題名：恰當(dāng)、準(zhǔn)確、簡(jiǎn)明、清楚的反映論文全部重要信息，盡可能將表達(dá)核心內(nèi)容的主題詞放在題名開(kāi)頭，保證檢索的敏感性和特異性。慎用縮略語(yǔ)、特殊符號(hào)、疾病例數(shù)等。一般不超過(guò)20個(gè)漢字。
{4}參考文獻(xiàn)緊接正文，重復(fù)文獻(xiàn)請(qǐng)以第一次出現(xiàn)的次序標(biāo)注。
{5}摘要須簡(jiǎn)潔客觀(guān)地反映文章主要內(nèi)容及觀(guān)點(diǎn)，字?jǐn)?shù)在300字以?xún)?nèi)。關(guān)鍵詞是反映文章主要內(nèi)容及觀(guān)點(diǎn)的詞或詞組，數(shù)量為3～8個(gè)，多個(gè)關(guān)鍵詞之間用分號(hào)分隔。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢(xún)雜志社
