一种基于对数计算的极紧凑嵌入式CNN处理器设计
机器学习
2020-10-23 v1 硬件体系结构
计算机视觉与模式识别
摘要
本文中，我们提出了一种基于改进对数计算方法的极紧凑嵌入式CNN处理器设计，其使用极低位宽表示。我们的高质量CNN处理器可轻松适配边缘设备。对于Yolov2，我们的处理电路采用TSMC 40 nm单元库仅占0.15 mm2。核心思想是将所有层的激活值和权重值统一约束在[-1, 1]范围内，并生成低位宽对数表示。借助统一表示，我们设计了一个统一、可复用的CNN计算内核，显著减少了计算资源。所提方法已在许多流行的图像分类CNN模型（AlexNet、VGG16和ResNet-18/34）和目标检测模型（Yolov2）上进行了广泛评估。硬件实现结果表明，我们的设计仅消耗最小的计算和存储资源，却达到了非常高的准确率。该设计已在FPGA上充分验证，SoC集成正在进行中且结果可期。凭借极高的资源和能耗效率，我们的设计非常适用于边缘计算。
引用
@article{arxiv.2010.11686,
title = {A Very Compact Embedded CNN Processor Design Based on Logarithmic Computing},
author = {Tsung-Ying Lu and Hsu-Hsun Chin and Hsin-I Wu and Ren-Song Tsay},
journal= {arXiv preprint arXiv:2010.11686},
year = {2020}
}