面向异构计算架构高能效的深度强化学习
信号处理
2024-12-03 v3
摘要
由于物联网设备最优且低功耗能耗范式具有成本效益、简单性和易理解性，其日益增长的需求引起了显著关注。本文提出一种 AI 硬件高能效框架，通过适当的功耗管理在异构计算中实现最优节能。采用深度强化学习框架，利用 Actor-Critic 架构提供简单而精确的节能方法。研究结果表明所提方法适用于不同硬件配置，在遵守严格性能要求的同时实现了显著的能耗控制。对所提节能框架的评估显示其更稳定，并实现了超过 34.6% 的效率提升，优于其他方法 16% 以上。
引用
@article{arxiv.2302.00168,
title = {Deep Reinforcement Learning for Energy-Efficient on the Heterogeneous Computing Architecture},
author = {Zheqi Yu and Chao Zhang and Pedro Machado and Adnan Zahid and Tim. Fernandez-Hart and Muhammad A. Imran and Qammer H. Abbasi},
journal= {arXiv preprint arXiv:2302.00168},
year = {2024}
}