一种通用CNN加速器的缓冲区地址调度方法

武磊; 魏子涵; 张伟功; 王晶; 高岚

Chinese

您当前的位置：

首页 >

文章列表页 >

一种通用CNN加速器的缓冲区地址调度方法

更新时间：2026-09-04

- 一种通用CNN加速器的缓冲区地址调度方法
- A buffer address scheduling method for general CNN accelerator
- 微电子学与计算机 2020年37卷第7期页码：82-86
- 作者机构：
  
  1. 首都师范大学机构信息工程学院,北京,102248
  2. 电子系统可靠性技术北京市重点实验室机构,北京,100048
  3. 西安电子科技大学电子工程学院,陕西,西安,710126
  4. 北京成像理论与技术高精尖创新中心,北京,100048
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61772350北京市高水平教师队伍建设计划 CIT%amp;TCD201704082北京市科技新星计划项目 Z181100006218093北京未来芯片技术高精尖创新中心科研基金 KYJJ2018008
- DOI：
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
武磊, 魏子涵, 张伟功, 王晶, 高岚. 一种通用CNN加速器的缓冲区地址调度方法[J]. 微电子学与计算机, 2020, 37(7): 82-86.

WU Lei, WEI Zi-han, ZHANG Wei-gong, et al. A buffer address scheduling method for general CNN accelerator[J]. 2020, 37(7): 82-86.
武磊, 魏子涵, 张伟功, 王晶, 高岚. 一种通用CNN加速器的缓冲区地址调度方法[J]. 微电子学与计算机, 2020, 37(7): 82-86. DOI：

WU Lei, WEI Zi-han, ZHANG Wei-gong, et al. A buffer address scheduling method for general CNN accelerator[J]. 2020, 37(7): 82-86. DOI：

摘要

针对由神经网络参数多计算复杂度高导致的数据访问灵活性不足问题，本文提出了一种通用CNN加速器的缓冲区地址调度方法.通过在地址控制器中灵活调度片上缓存，卷积层均能由一个或两个特定卷积运算单元实现，降低资源开销；通过输入参数可配置不同大小的图像及卷积核，具有一定的通用性.实验结果表明，该地址调度方法能够适用于不同数目及尺寸的卷积、池化和全连接操作，并且计算性能有所提高.

Abstract

Aiming at the problem of data access conflicts caused by multiple neural network parameters and high computational complexity

this paper proposes a buffer address scheduling method for general CNN accelerator. The on-chip buffer is flexibly scheduled in the address controller

and the convolutional layers can be implemented by one or two specific convolutional operation units to reduce resource consumption; the input parameters can be configured with images and convolution kernels of different sizes

with some universality. The experimental results show that the address scheduling method can be applied to different numbers and sizes of convolution

pooling and full connection operations

and the computing performance is improved.

关键词

Keywords

references

RAJARAMAN S, CANDEMIR S, KIM I, et al. Visualization and Interpretation of Convolutional Neural Network Predictions in Detecting Pneumonia in Pediatric Chest Radiographs[J]. Applied Sciences, 2018, 8(10):1715. DOI: 1715

ZHOU Y, JIANG J. An FPGA-based accelerator implementation for deep convolutional neural networks[C]// International Conference on Computer Science and Network Technology. Changchun, China, IEEE, 2016: 829-832.

CHEN Y, LUO T.DaDianNao: A machine-learning supercomputer[C]// The 47th Annual IEEE/ACM International Symposium on Microarchitecture (MICRO). Cambridge, United Kingdom, IEEE, 2014: 609-622.

MA Y, CAO Y, VRUDHULA S, et al. Optimizing the convolution operation to accelerate deep neural networks on FPGA[J]. IEEE Transactions on Very Large Scale Integration Systems, 2018, 26(7): 1354-1367. DOI: 1354

CHEN Y H, KRISHNA T, EMER J S, et al. Eyeriss: An energy-efficient reconfigurable accelerator for deep convolutional neural networks[C]// IEEE International Solid State Circuits Conference.San Francisco, CA, USA, IEEE, 2016: 262-263.

KRIZHEVSKY A, SUTSKEVER I, HINTON G. ImageNet classification with deep convolutional neural networks[C]// International Conference on Neural Information Processing Systems. Curran Associates Inc.2012: 1097-1105.

ALWANI M, CHEN H, FERDMAN M, et al.Fused-layer CNN accelerators[C]// The 49th Annual IEEE/ACM International Symposium on Microarchitecture (MICRO). Taipei, Taiwan, IEEE, 2016: 1-12.

ZHANG J, LI J. Improving the performance of Open CL-based FPGA accelerator for convolutional neural network[C]// Proceedings of the 2017 ACM/SIGDA International Symposium on Field-Programmable Gate Arrays. Monterey, CA, USA, ACM, 2017: 25-34.

卢冶, 陈瑶, 李涛, 等.面向边缘计算的嵌入式FPGA卷积神经网络构建方法[J].计算机研究与发展, 2018, 55(3):551-562. DOI: 551

余子健, 马德, 严晓浪, 等.基于FPGA的卷积神经网络加速器[J].计算机工程, 2017, 43(1): 109-114. DOI: 109

翟社平, 邱程, 杨媛媛, 等.基于FPGA的卷积神经网络加速器设计与实现[J].微电子学与计算机, 2019, 36(8):83-86. DOI: 83

方荣强, 王晶, 姚治成, 等.多层神经网络算法的计算特征建模方法[J].计算机研究与发展, 2019, 56(6):1170-1181. DOI: 1170

王巍, 周凯利, 王伊昌, 等.卷积神经网络(CNN)算法的FPGA并行结构设计[J].微电子学与计算机, 2019, 36(4):57-62. DOI: 57

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

结合经度加权的球形感知全景图像显著性预测算法

基于分块子图的CNN推理任务划分与存储调度算法

应用于锂电池SOC估计的PCNN_LSTM硬件加速器设计

基于U-Net网络结构的SAR图像去噪算法研究

轻量级(2+1)D卷积结构的动态手势识别研究