面向超低功耗音频处理设备的硬件加速器与神经网络协同优化
声音
2022-09-30 v2 神经与进化计算
音频与语音处理
摘要
人工神经网络的日益普及并未止步于超低功耗边缘设备。然而，这些设备往往具有很高的计算需求，并且需要专门的硬件加速器以确保设计满足功耗和性能约束。神经网络与相应硬件加速器的手动优化可能非常具有挑战性。本文提出HANNAH(Hardware Accelerator and Neural Network seArcH，硬件加速器与神经网络搜索)，一个用于资源与功耗受限边缘设备的深度神经网络与硬件加速器自动化联合硬件/软件协同设计框架。该优化方法使用基于进化的搜索算法、神经网络模板技术，以及针对可配置UltraTrail硬件加速器模板的分析型KPI模型，以寻找优化的神经网络与加速器配置。我们证明，HANNAH能够为不同的音频分类任务(如单类唤醒词检测、多类关键词检测以及语音活动检测)找到功耗最小化且高精度的合适神经网络，其性能优于相关工作。
引用
@article{arxiv.2209.03807,
title = {Hardware Accelerator and Neural Network Co-Optimization for Ultra-Low-Power Audio Processing Devices},
author = {Christoph Gerum and Adrian Frischknecht and Tobias Hald and Paul Palomero Bernardo and Konstantin Lübeck and Oliver Bringmann},
journal= {arXiv preprint arXiv:2209.03807},
year = {2022}
}
备注
Accepted Version for: EUROMICRO DSD 2022