PIMfused：面向CNN数据传输优化的近 banks 级DRAM-PIM with Fused-layer Dataflow
硬件体系结构
2025-11-12 v1
摘要
近 banks 级处理器内置存储（PIM）架构将处理器核心（PIMcore）集成到DRAM bank附近，以缓解芯片外存储访问的高昂成本。在加速卷积神经网络（CNN）时，PIM架构常因跨 bank（或跨 PIMcore）数据传输而受限，这些传输由强制连续CNN层之间存在跨 bank（或跨 PIMcore）依赖关系的传统分层数据流动力学所致。为此，我们提出PIMfused，这是一种硬件软件协同设计，使其能够在近 banks 级DRAM-PIM中实现 end-to-end CNN执行的 fused-layer 数据流动力学。通过采用 fused-layer 数据流动力学，PIMfused改进了数据复用，更重要的是打破了跨 bank 数据依赖关系，从而在不牺牲 bank 级别并行度的前提下优化了跨 bank 数据传输。我们使用 end-to-end ResNet18 研究了缓冲区大小和 PIMcore 并行度（1-bank vs. 4-bank）对PIMfused的影响。我们提出三个关键发现，表明在4-bank PIMcore下，PIMfused相对于GDDR6-AiM类基线在整体 PPA 方面获得提升，将内存循环次数降低至30.6%，能耗降低至83.4%，面积降低至76.5%。
引用
@article{arxiv.2511.07985,
title = {PIMfused: Near-Bank DRAM-PIM with Fused-layer Dataflow for CNN Data Transfer Optimization},
author = {Simei Yang and Xinyu Shi and Lu Zhao and Yunyu Ling and Quanjun Wang and Francky Catthoor},
journal= {arXiv preprint arXiv:2511.07985},
year = {2025}
}
备注
6 pages