Xylo Audio 2上的微功耗语音关键词识别
神经与进化计算
2024-06-24 v1
摘要
多年来,"神经形态"或类脑处理器的设计一直以与冯·诺依曼和张量处理器设备相比实现极致能效为目标。作为其设计语言的一部分,神经形态处理器利用了权重、参数、状态和活动的稀疏性。在极端情况下,基于这些原理的神经网络在"脉冲神经网络"(SNN)中模拟生物神经系统的稀疏活动。目前,可用于神经形态处理器的基准测试很少,这些基准测试已在多种神经形态和非神经形态平台上实现,因此可以展示神经形态处理器设计的能效优势。本文描述了在Xylo Audio 2 (SYNS61212)神经形态处理器设备上实现的口语音频关键词识别(KWS)基准测试"Aloha"。我们获得了很高的部署量化任务准确率(95%),超过了基准任务准确率。我们测量了Xylo上部署应用的实际动态推理功耗。我们获得了同类最佳的动态推理功耗(W)和同类最佳的推理效率(J/次推理)。Xylo为Aloha KWS基准测试设定了新的最低功耗,凸显了神经形态处理器设计可实现的极致能效。我们的结果表明,神经形态设计非常适合边缘设备上的实时近传感器和传感器内处理。
关键词
引用
@article{arxiv.2406.15112,
title = {Micro-power spoken keyword spotting on Xylo Audio 2},
author = {Hannah Bos and Dylan R. Muir},
journal= {arXiv preprint arXiv:2406.15112},
year = {2024}
}