MaGNAS：面向异构 MPSoC 部署的映射感知图神经架构搜索框架
摘要
图神经网络（GNNs）因其在建模图像帧各部分之间结构与上下文关系方面的内在能力，正日益流行于基于视觉的应用。另一方面，边缘端基于深度视觉应用的最新进展得益于异构多处理器片上系统（MPSoCs）的近期发展，其支持在实时、严苛执行需求下的推理。引申而言，用于基于视觉应用的 GNNs 必须遵循相同的执行需求。然而与典型深度神经网络相反，图学习操作的不规则流给在此类异构 MPSoC 平台上运行 GNNs 带来挑战。本文中，我们提出一种新颖的统一设计-映射方法，用于在异构 MPSoC 平台上高效处理视觉 GNN 工作负载。特别地，我们开发 MaGNAS，一种映射感知的图神经架构搜索框架。MaGNAS 提出一个 GNN 架构设计空间，并耦合异构 SoC 上的预期映射选项，以识别最大化设备端资源效率的模型架构。为此，MaGNAS 采用两级进化搜索来识别给出最佳性能权衡的 optimal GNNs 与映射配对。通过设计源自近期 Vision GNN（ViG）架构的超网，我们在四个（04）最先进视觉数据集上 using both（i）真实硬件 SoC 平台（NVIDIA Xavier AGX）与（ii）用于 DNN 加速器的性能/成本模型模拟器进行了实验。实验结果表明，相较于仅 GPU 部署，MaGNAS 在 Xavier MPSoC 上执行的多个视觉数据集能提供 1.57 倍延迟加速且能效高 3.38 倍，同时维持与基线相比平均 0.11% 的精度下降。
引用
@article{arxiv.2307.08065,
title = {MaGNAS: A Mapping-Aware Graph Neural Architecture Search Framework for Heterogeneous MPSoC Deployment},
author = {Mohanad Odema and Halima Bouzidi and Hamza Ouarnoughi and Smail Niar and Mohammad Abdullah Al Faruque},
journal= {arXiv preprint arXiv:2307.08065},
year = {2023}
}
备注
This article appears as part of the ESWEEK-TECS special issue and was presented in the International Conference on Compilers, Architectures, and Synthesis for Embedded Systems (CASES), 2023