2L-3W：用于深度学习架构（DLA）映射到FPGA板的二级三向软硬件协同验证
机器学习
2019-11-15 v1 机器学习
摘要
FPGA已成为部署深度学习架构（DLA）的流行选择。许多研究者探索了DLA在FPGA上的部署与映射。然而，对这些部署进行设计期软硬件协同验证的需求日益增长。据我们所知，这是首项提出二级三向（2L-3W）软硬件协同验证方法学并提供逐步指南以成功将DLA映射、部署和验证到FPGA板的工作。二级验证是确保每个阶段（软件和硬件）的实现遵循预期行为。三向协同验证提供跨范式（软件、设计和硬件）的逐层参数检查，以保证DLA到FPGA板的正确实现与映射。所提2L-3W协同验证方法学已在多个测试用例上评估。在每个案例中，部署于PYNQ FPGA板（硬件）的DLA的预测与逐层输出，连同在Vivado HLS上实现的DLA逐层输出的中间设计结果，以及软件级（Caffe深度学习框架）的预测与逐层输出进行比较，以获得逐层相似度分数。该比较通过完全自动化的Python脚本实现。比较提供逐层相似度分数，告知我们DLA映射到FPGA的成功程度，或在映射不成功时于设计期识别需调试的层。我们在LeNet DLA和受Caffe启发的Cifar-10 DLA上演示了我们的技术，协同验证结果产生了99%准确率的逐层相似度分数。
引用
@article{arxiv.1911.05944,
title = {2L-3W: 2-Level 3-Way Hardware-Software Co-Verification for the Mapping of Deep Learning Architecture (DLA) onto FPGA Boards},
author = {Tolulope A. Odetola and Katie M. Groves and Syed Rafay Hasan},
journal= {arXiv preprint arXiv:1911.05944},
year = {2019}
}