一种对器件非理想性具有弹性的神经网络到交叉阵列映射方法
新兴技术
2020-04-14 v1 信号处理
摘要
我们提出一种与技术无关的方法，称为邻接连接矩阵（ACM），以高效地将带符号权重矩阵映射到非负交叉阵列。与同等硬件开销的映射方法相比，使用 ACM 在 CIFAR-10 数据集上以 5 位精度或更低的交叉阵列训练 ResNet-20 时，训练精度提升高达 20%。与用两个单元表示一个权重的策略相比，ACM 取得了相当的训练精度，同时分别提供 2.3 倍和 7 倍的面积与读取能耗降低。ACM 还具有轻微的正则化效应，可在无需任何重训练或昂贵的器件/变异感知训练的情况下提升交叉阵列中的推理精度。
引用
@article{arxiv.2004.06094,
title = {A Device Non-Ideality Resilient Approach for Mapping Neural Networks to Crossbar Arrays},
author = {Arman Kazemi and Cristobal Alessandri and Alan C. Seabaugh and X. Sharon Hu and Michael Niemier and Siddharth Joshi},
journal= {arXiv preprint arXiv:2004.06094},
year = {2020}
}
备注
Accepted at DAC'20