面向神经网络的近数据处理架构综述
硬件体系结构
2021-12-24 v1 机器学习
摘要
数据密集型工作负载与应用，如机器学习（ML），从根本上受限于基于冯·诺依曼架构的传统计算系统。随着数据移动操作和能耗成为计算系统设计中的关键瓶颈，对近数据处理（NDP）、机器学习，尤其是基于神经网络（NN）的加速器等非传统方法的兴趣显著增长。新兴存储技术，如 ReRAM 和 3D 堆叠，因兼具高密度/低能耗存储以及存内/近存计算与搜索引擎的能力，有望高效构建基于 NDP 的 NN 加速器。本文综述了设计面向 NN 的 NDP 架构的技术。通过按所采用存储技术分类，我们强调了它们的异同。最后，我们讨论了为改进和扩展 NDP 架构在未来计算平台中的采用而需探索的开放挑战与未来展望。本文对计算机架构师、芯片设计者及机器学习领域的研究人员具有价值。
引用
@article{arxiv.2112.12630,
title = {A Survey of Near-Data Processing Architectures for Neural Networks},
author = {Mehdi Hassanpour and Marc Riera and Antonio González},
journal= {arXiv preprint arXiv:2112.12630},
year = {2021}
}