AdaPT：PyTorch中近似DNN加速器的快速仿真框架
机器学习
2022-10-13 v2 硬件体系结构
摘要
当前最先进的方法采用近似乘法器来应对DNN加速器急剧增长的功耗需求。然而，由于缺乏DNN框架中对近似运算的足够支持，评估近似DNN的精度十分繁琐。我们通过提出AdaPT来解决这一低效问题，这是一个快速仿真框架，扩展了PyTorch以支持近似推理以及近似感知的再训练。AdaPT可以无缝部署，并且与大多数DNN兼容。我们在多个DNN模型和应用领域上评估了该框架，包括CNN、LSTM以及用于若干具有不同位宽值的近似乘法器的GAN。结果表明，通过近似再训练实现了显著的误差恢复，并且相对于基线近似实现，推理时间减少了高达53.9倍。
引用
@article{arxiv.2203.04071,
title = {AdaPT: Fast Emulation of Approximate DNN Accelerators in PyTorch},
author = {Dimitrios Danopoulos and Georgios Zervakis and Kostas Siozios and Dimitrios Soudris and Jörg Henkel},
journal= {arXiv preprint arXiv:2203.04071},
year = {2022}
}
备注
Accepted for publication in IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems