面向 SpiNNaker2 多核异构神经器材平台的 SNN 推理的快速切换串行与并行范式
分布式、并行与集群计算
2024-07-15 v2
摘要
随着串行和并行处理器被引入到 SNN (脉冲神经网络) 的执行中，越来越多的研究人员致力于通过充分利用可用处理器的优势来提高计算范式的性能。本文将串行和并行范式整合到一个 SNN 编译系统中。为在层级粒度上实现快速切换两者， 我们训练分类器在编译之前预判更佳的范式，而不是事后做出决定，从而节省大量的编译时间和主机 PC 上的 RAM 空间。具有最高准确率 (91.69%) 的分类器 Adaptive Boost 被整合到切换系统中，该系统在多核神经器材硬件后端 SpiNNaker2 上使用较少的内存和处理器资源。据我们所知，这是首个用于 SNN 模拟的快速切换编译系统。
关键词
引用
@article{arxiv.2406.17049,
title = {Fast Switching Serial and Parallel Paradigms of SNN Inference on Multi-core Heterogeneous Neuromorphic Platform SpiNNaker2},
author = {Jiaxin Huang and Bernhard Vogginger and Florian Kelber and Hector Gonzalez and Klaus Knobloch and Christian Georg Mayr},
journal= {arXiv preprint arXiv:2406.17049},
year = {2024}
}