一种用于关键词 spotting 低能耗剖析的快速网络探索策略

关键词 spotting（关键词 spotting）如今是面向智能设备的语音用户交互中不可或缺的一部分。为此，神经网络因其灵活性与高精度而被广泛使用。然而，提出同时满足精度要求与硬件部署的合适配置是一项挑战。我们提出了一种基于回归的网络探索技术，其考虑网络滤波器缩放（$s$）与网络层量化（$q$），从而得到对 FPGA 硬件实现友好且节能的配置。我们在 FPGA 上实验了 $\mathcal{NN}\scriptstyle\langle q,\,s\rangle \displaystyle$ 的不同组合，以剖析所部署网络的能耗，从而使用户能迅速选择最节能的网络配置。我们的加速器设计部署于 Xilinx AC 701 平台，与近期关键词 spotting 的硬件实现相比，在能耗与能效结果上分别至少有 2.1$\times$ 和 4$\times$ 的提升。