通过冗余剩余数系统提升计算密集型领域的计算效率
硬件体系结构
2024-08-13 v1 人工智能
摘要
在数字信号处理、加密和神经网络等计算密集型领域，算术单元（包括加法器和乘法器）的性能至关重要。传统数值系统往往不足以满足这些应用在面积、时间和功耗消耗方面的效率要求。剩余数系统（RNS）和冗余数系统等创新方法被引入以克服这一挑战，显著提升了计算效率。本文从多个角度考察了冗余数系统与RNS的融合（称为R-RNS）如何降低延迟并增强电路实现，从而在实际场景中获得显著好处。我们对四种系统——RNS、冗余数系统、二进制数系统（BNS）和签位冗余剩余数系统（SD-RNS）进行比较分析，并通过利用CIFAR-10数据集的深度神经网络（DNN）评估了SD-RNS。我们的发现令人鼓舞，显示出SD-RNS在顺序加法和乘法任务中，相较于RNS和BNS分别实现了1.27倍和2.25倍的计算加速，并在能耗方面相较于BNS降低了60%。
引用
@article{arxiv.2408.05639,
title = {Enhancing Computational Efficiency in Intensive Domains via Redundant Residue Number Systems},
author = {Soudabeh Mousavi and Dara Rahmati and Saeid Gorgin and Jeong-A Lee},
journal= {arXiv preprint arXiv:2408.05639},
year = {2024}
}
备注
This paper has been accepted by the 21st International SoC Conference (ISOCC), 2024, 2 pages